Internet-based attributional retraining and self-esteem: investigating effects on academic achievement and attrition in post-secondary students
Notice bibliographique
Résumé
Attributional retraining (AR) is a remedial intervention that targets students' maladaptive causal attributions for poor performance by encouraging controllable attributions that correspond to academic success. AR interventions are derived from Weiner's attribution theory (Weiner, 1985, 1995, 2006) that outlines how performance and achievement striving are influenced by the attributions individuals make about evaluative outcomes. Recent findings indicate that post-secondary students with high self-esteem experience unanticipated declines in academic performance following in-person AR. With a sample of 274 American university students, the current study sought to determine if this iatrogenic effect would be replicated using two versions of a recently developed internet-based AR program. Students' sessional grade point averages and rates of voluntary course withdrawal were measured longitudinally across three semesters following the intervention. Hypotheses were tested using 2 (low/high self-esteem) x 3 (Aptitude Test AR, Writing AR, No AR) x 3 (time: Winter 2007, Fall 2007, Winter 2008) repeated-measures analyses of covariance. Results revealed that the aptitude test AR format initially hurt high self-esteem students' performance, but that this iatrogenic effect reversed itself in the following semester. No effect was found for low or high self-esteem students in the writing-based AR condition. Future directions for internet-based AR research are discussed.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».