Development and Validation of a Tool for Evaluating Self-regulated and Self-directed Aptitudes of Learning (SELF-ReDiAL)
Notice bibliographique
Résumé
Abstract Introduction Self-regulated learning (SRL) and self-directed learning (SDL) are widely studied in education, but debates about their relationship have hindered effective measurement in practice. The recently introduced SELF-ReDiAL framework (self-regulated and self-directed aptitudes of learning) addresses this by framing these as adaptable learning aptitudes, integrating SRL features and insights into SDL. Using this framework, we developed and validated a new tool to assess SELF-ReDiAL—particularly valuable for health students and professionals requiring lifelong learning—bridging educational theory and practice. Methods Guided by the SELF-ReDiAL framework, a 30-item questionnaire was developed and administered to students in health-related disciplines across Australia, New Zealand, the UK, and Canada. Exploratory and confirmatory factor analyses (EFA and CFA) assessed the scale’s content and construct validity. Results Overall, 315 responses were analysed (mean age: 23.20 ± 6.73 years, range: 17–58), including 241 women, 70 men, and 4 individuals using other gender terms. Following EFA, 20 items were retained, yielding a four-factor model: ‘Inquisitiveness’ (31.17% variance explained), ‘Accomplishment’ (4.46% variance explained), ‘Implementation’ (4.11% variance explained), and ‘Independence’ (2.54% variance explained). CFA confirmed model fit ( χ 2 = 374.334, df = 164, p < 0.01, χ 2 / df = 2.283; CFI: 0.91, TLI: 0.896, RMSEA: 0.064, SRMR: 0.0523). Both Cronbach’s alpha and composite reliability closely met the threshold for all factors. Discussion The SELF-ReDiAL model offers a comprehensive perspective on learners’ ability to take ownership of their learning when addressing gaps in professional knowledge. In health education, assessing SELF-ReDiAL helps identify influencing factors and informs strategies to enhance these aptitudes, prompting lifelong learning and ensuring high-quality patient care.
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 | 0,027 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».