The Use of Learning and Study Strategies by Students Taking a Remedial Workshop at Selkirk College, Castlegar, British Columbia
Notice bibliographique
Résumé
The purpose of this study was to discover what the students’ use of learning and study strategies, as measured by the Learning and Study Strategies Inventory (LASSI), is at Selkirk College on the Castlegar Campus, British Columbia. Nineteen students completed the second, online version of LASSI, developed by Weinstein, Palmer, and Schulte (2002) at the beginning of the semester and prior to taking a 15-hour “Student Success Skills” workshop, and again after having completed the workshop and after having completed one semester. Overall the results confirm other studies that students, in general, are not prepared for the college experience regarding the non-content related area of learning strategies, and although scores and percentiles increased in all ten LASSI scales and seven out of the ten LASSI scales experienced a significant increase in means (p>0.5), students still need to improve their learning and study strategies further. \nBecause of the small sample size, methodological weaknesses, and Selkirk College’s unique geographical and demographical situation, care should be taken when trying to generalize the results of this study to other student populations and institutions. Nevertheless, this research gives rise to numerous possibilities for follow-up studies, which include large-scale studies for the entire student population at Selkirk College, small-scale program-specific studies, as well as correlation studies. The existing data can be used for the improvement of the currently existing Learning and Study Skills Centre on the Castlegar Campus and the program it offers, as well as the development of a first-year, three-credit, university-transfer course in college success skills.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,006 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».