MétaCan
Menu
Retour à la cohorte
Enregistrement W4408071407 · doi:10.1080/00220973.2025.2459388

The Struggle is Real: An Intervention to Regulate and Resolve Confusion During Complex Statistics Problem Solving

2025· article· en· W4408071407 sur OpenAlexafffundabout
Martina Kohatsu, Krista R. Muis, Reinhard Pekrun, Gale M. Sinatra, Panayiota Kendeou, Kristy A. Robinson, Alana A. U. Kennedy, Sanheeta Potola

Notice bibliographique

RevueThe Journal of Experimental Education · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueIntelligent Tutoring Systems and Adaptive Learning
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésConfusionIntervention (counseling)StatisticsComputer sciencePsychologyMathematicsPsychoanalysis

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to develop a cognitive-emotive strategy training intervention (CEST) to help university students regulate and resolve confusion during complex statistics problem solving. One hundred sixty-eight university students from Canada, the United States, and England participated. Measures of academic control, epistemic emotions, and confusion regulation strategies were collected. Audio-recordings of the sessions were transcribed and coded to investigate learning and confusion regulation strategies used. Results revealed that the intervention was not effective in helping students better regulate their confusion during problem solving. Students in the intervention group did not increase their perception of control after problem solving, did not increase their learning or confusion regulation strategy use, and did not experience more positive and less negative emotions. Although the intervention had no positive effect, this was the first study to consider emotion regulation skills that are particular to the self-regulated learning processes students must engage to regulate and resolve confusion. To develop more effective interventions, future research should provide more opportunities for students to practice confusion regulation skills over longer periods of time, and ideally to conduct research in natural learning environments.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,332
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of Experimental EducationMême sujetIntelligent Tutoring Systems and Adaptive LearningTravaux en français237 207