MétaCan
Menu
Retour à la cohorte
Enregistrement W6906290107 · doi:10.17605/osf.io/2j5ns

Multilevel Analysis of Academic Goals

2022· other· en· W6906290107 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDimension (graph theory)Exploratory factor analysisConfirmatory factor analysisMultilevel modelPoint (geometry)Scale (ratio)Field (mathematics)Set (abstract data type)Metacognition

Résumé

récupéré en direct d'OpenAlex

Based on a literature research, we found plenty of different goal characteristics. However, these variables on which goals vary, which we call goal dimensions (Austin & Vancouver, 1996), were not measured with comparable items across the literature. Hence, we developed a comprehensive measure of goals by first extracting "common" goal dimensions (being measured in at least 10 publications and having found at least 10 items in the literature review). We then conducted a study asking participants 2-3 items from each common goal dimension and conducted an exploratory factor analysis resulting in 9 factors (which we named: Expectancy, Progress, Enjoyment, Support, Value, External Motivation, Demand, inter-goal Facilitation, & Commitment) with 3 items each. Then, we confirmed the factor structure by another study and confirmatory factor analysis. This resulted in a goal dimension questionnaire. Now, we want to validate this instrument by a field study. In this study we will ask students from the University of Siegen about their performance in an academic goal, i.e. a course exam. Recruitment will be done at the university campus where participants will be introduced to the longitudinal study and the first questionnaire battery. This includes the goal dimension questionnaire as well as instruments asking for the following constructs: Satisfaction with life, Scale of positive and negative experiences, Big-5 XS, Big-5 conscientiousness, trait Self-control, and Metacognition in Self-control. The second measurement time point is 7 days before the exam, the third point one day after the exam and the last time point 6 weeks after the exam. We want to predict the goal dimension "progress" and well-being by the remaining goal dimensions. We want to analyse prevalent variance according to the levels: 1) variance of goals across time, 2) variance between goals and 3) variance in goals between persons and we want to test the reliability of goal dimension variance found by our new year resolution study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Bibliométrie, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,206
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,023
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0170,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,2090,003

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,417
Écart entre enseignants0,360 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkTravaux en français237 207