Greater Realism in Authentic Assessments Promotes Student Motivation and Engagement
Notice bibliographique
Résumé
Student motivation is an important predictor of both performance and attitudes toward schoolwork. Higher levels of intrinsic, or autonomous, motivation are facilitated by high-impact teaching practices, including experiential learning and using authentic experiences and evaluations. The present study was inspired by instructor perception that students in their third semester in a four-year undergraduate design program were more engaged with, and more motivated by, one course project over another. Although both projects were authentic assessments, the preferred project had more realism, including real external stakeholders and context. We assessed students’ subjective experience while working with two projects taught in the same course over two years, where the projects varied in level of realism. Phase 1 of the study measured students’ intrinsic motivation for the two projects using a questionnaire based on the Intrinsic Motivation Inventory. Phase 2 of the study again measured students’ intrinsic motivation for the two projects after the less-preferred project was adjusted to be more realistic. This study showed evidence that students experienced higher levels of engagement and intrinsic motivation when working with more realistic projects involving real external stakeholders and context, compared to a project with less realism. Projects with real problems, goals, and outcomes seem to give students a higher sense of autonomy, competence, and relatedness than fictitious ones—improving their self-regulation, engagement, and well-being.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».