Feedback vanuit de perceptie van de feedbackontvanger\n\nHet verband tussen doeloriëntatie en feedback-seeking en feedback-waardering
Notice bibliographique
Résumé
In dit onderzoek is het verband tussen doeloriëntatie en feedback-seeking en doeloriëntatie en waardering voor feedback exploratie verkend. Cianci, Schaubroeck en McGill (2010) concluderen dat het ontvangen van negatieve feedback voor een participant met een leerdoel en het ontvangen van positieve feedback voor een participant met een prestatiedoel het meest effect heeft op het leerresultaat.\nDe feedbackdialoog staat in dit onderzoek centraal. De hypothese is dat participanten met een leerdoeloriëntatie frequenter op zoek gaan naar negatieve feedback en gegeven negatieve feedback waarderen en participanten met een prestatiedoeloriëntatie frequenter op zoek gaan naar positieve feedback en gegeven positieve feedback waarderen. Dit is verkend gebaseerd op vragenlijsten voor doeloriëntatie (Van de Walle, 1996) en waardering voor feedback (Weaver, 2006) gecombineerd met gefilmde dialogen. De kwantitatieve data is geanalyseerd aan de hand van een afhankelijk T-test en factoranalyses, voor de kwalitatieve data is gebruik gemaakt van analyseprogramma MEPA en is meerdere malen een tweede beoordelaar ingeschakeld. \nNa analyses is een verdeling gemaakt in een groep leerdoeloriëntatie en een groep waarbij sprake was van een gecombineerde doeloriëntatie. Waarbij de hypothese voor de gecombineerde doeloriëntatie is dat participanten op zoek gaan naar een gelijkwaardige verdeling van positieve en negatieve feedback en deze combinatie waarderen. Voor de groep leerdoeloriëntatie kan, gebaseerd op resultaten en analyse, de hypothese voor zowel de feedback-seeking als de feedback-waardering worden bevestigd. Voor de groep combidoeloriëntatie kan de hypothese voor feedback-seeking worden bevestigd, de hypothese omtrent de feedback-waardering kan niet (geheel) worden bevestigd.
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».