School Engagement as Predicted by Future Orientation and Academic Self-Efficacy
Notice bibliographique
Résumé
Objective: This study aimed to investigate the predictive roles of future orientation and academic self-efficacy in determining school engagement among Canadian high school students. Methods and Materials: The research employed a correlational descriptive design with a sample of 323 students selected based on Morgan and Krejcie’s sampling table. Participants were recruited from various high schools across Canada and completed three standardized instruments: the School Engagement Scale (Fredricks et al., 2005), the Future Orientation Scale (Steinberg et al., 2009), and the Academic Self-Efficacy Scale (Zimmerman et al., 1992). Data analysis was conducted using SPSS version 27. Descriptive statistics were used to report means and standard deviations of study variables. Pearson correlation analysis was used to examine the relationship between school engagement and each of the two predictor variables. Multiple linear regression analysis was then conducted to determine the extent to which future orientation and academic self-efficacy predict school engagement. Findings: The results indicated that both future orientation (r = .46, p < .001) and academic self-efficacy (r = .59, p < .001) were significantly and positively correlated with school engagement. The multiple regression model was statistically significant, F(2, 320) = 84.55, p < .001, with an R² of .40, indicating that 40% of the variance in school engagement could be explained by the two predictor variables. Academic self-efficacy (β = .43, p < .001) emerged as a stronger predictor than future orientation (β = .25, p < .001), although both variables made meaningful contributions to the model. Conclusion: The findings highlight the importance of enhancing both future orientation and academic self-efficacy in adolescents as a means to foster greater school engagement. These results provide valuable insights for educators, counselors, and policymakers aiming to support academic motivation and reduce disengagement among high school students.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».