Academic Procrastination and Achievement Motivation: An Expectancy Value Approach to Measure Academic Procrastination in University Online Courses
Notice bibliographique
Résumé
The purpose of this study was to investigate the relationship between students’ achievement motivation and their procrastination behaviour when learning online. Student achievement motivation was measured using Eccles and Wigfield’s (2020) Situated Expectancy Value Theory (SEVT), which conceptually understands a student’s achievement related choices and performance on a task, as influenced by the student’s valuation of that task, and their expectancy to succeed in completing that task. Within this theory, a student’s choices and performance on an academic task, are predicted by several dimensions of value such as interest, utility, cost, and attainment, as well as their expectancy to succeed at the task. A total of 171 students enrolled in online courses at a mid-sized Canadian university participated (29 male, 135 females, 5 other). Participants completed a 101-item questionnaire consisting of demographic questions, procrastination measures, and SEVT measures. Regression analysis indicated that values and expectancies were different across all three learning activities, but self-efficacy for time management was consistently the strongest predictor of procrastination. Further, trait procrastination as a predictor in the model, overpowered task values and decreased the strength of the self-efficacy measures. The results indicated that efficacy for time management and trait procrastination behaviour were the two strongest predictors of procrastination, indicating that time management strategies and personal tendency to procrastinate, best predict procrastination behaviour.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».