The Relationship between Growth Mindset and Mathematics Achievement
Notice bibliographique
Résumé
This study examines the relationship between a growth mindset and mathematical performance among seventh-grade students at Tambobong National High School in Davao City. The researchers employed a descriptive-correlational research design and selected 100 students via stratified random sampling to guarantee representation from various sections. Data regarding students' beliefs were gathered using a modified Growth Mindset Scale by Dweck (2006), which comprises Likert-type items assessing students' perceptions of the malleability of intelligence. The evaluation of mathematics performance was conducted through the students' final grades in the subject, as recorded in school documentation. Descriptive statistics indicated a mean mindset score of 2.09, interpreted as “Growth Mindset with Some Fixed Ideas,” suggesting that students predominantly perceive abilities as developable, yet maintain certain fixed beliefs. Their mathematics performance yielded a mean general average of 85.8, categorized as “Very Satisfactory.” The Pearson Product-Moment Correlation Coefficient was employed to determine the relationship between the two variables, yielding a moderate yet statistically significant positive correlation (r = 0.219) This indicates that students possessing more robust growth-oriented beliefs generally achieve superior performance in mathematics. The results corroborate theories connecting mindset, motivation, and academic success, highlighting the importance of integrating mindset development into educational strategies to enhance student performance in mathematics.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».