Three essays on the motivational effects of grading in higher education
Notice bibliographique
Résumé
List of Tables 3.11 Balance on observables between initially failing participants who are more likely to have a fixed vs. growth mindset . . . . . . . . . . . . . . . . . . .107 3.12 Balance on observables between initially excessively successful participants who are more likely to have a fixed vs. growth mindset . . . . . . . . . . .108 3.13 Differences in average second-period effort and performance between initially excessively successful participants who are more likely to have a fixed vs. growth mindset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .109 1 E.g.Hossain & Tsigaris (2015) having surveyed 169 Canadian undergraduates enrolled in a second-year course, reveal that the midterm grades do help the students reduce their overconfidence and form more accurate expectations.However, Stinebrickner & Stinebrickner (2012) attribute as much as 40% of early college dropouts to the students' learning about their grade performance or academic ability.2 E.g.Kohn (1999) suggested several reasons for that: "[the grades'] hidden punitive side, their effect on relationships, their failure to uncover and deal with the source of the problem, their tendency to discourage risk-taking, and their long-term negative effect on intrinsic motivation".
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,002 | 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 ».