MétaCan
Menu
Retour à la cohorte
Enregistrement W6907986396 · doi:10.25384/sage.c.5614232

The longitudinal associations between perfectionism and academic achievement across adolescence

2021· other· en· W6907986396 sur OpenAlexaboutno aff

Notice bibliographique

RevueSage Journals Data · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcademic achievementPerfectionism (psychology)Longitudinal studyVulnerability (computing)Path analysis (statistics)Self-concept

Résumé

récupéré en direct d'OpenAlex

The directionality and longitudinal course between perfectionism and academic achievement throughout adolescence remains unclear as most studies rely on cross-sectional or short-term data and many examine these associations in university students who do not represent the full spectrum of learners. Moreover, most studies are hampered by their reliance on student-reported grades. We rectified these issues by examining the longitudinal relation between self-reported perfectionism and teacher-rated academic achievement (grade point average) in a sample of 604 Canadian adolescents followed prospectively from Grade 7 to Grade 12. Using path analysis, results demonstrated a positive relation between academic achievement and perfectionism. In particular, academic achievement positively predicted self-oriented perfectionism (SOP) at every time point. Academic achievement also positively predicted socially prescribed perfectionism across every time point. At no time point did either form of perfectionism predict academic achievement, highlighting that perfectionism is more likely an outcome of academic achievement, rather than an antecedent. Results also demonstrated that the cross-lagged effect from academic achievement to SOP was stronger at the transition from middle school to high school compared to pathways in all subsequent years. Overall, such findings imply that adolescents who experience academic success are more likely to experience increases in levels of perfectionism, which may increase their vulnerability to stress.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,239

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,402
Écart entre enseignants0,273 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207