Summary

문제 해결 사전 지침(PS-I): 다른 능력을 가진 학생들의 평가 및 중재를 위한 프로토콜

Published: September 11, 2021
doi:

Summary

이 프로토콜은 학부 통계 클래스에서 문제 해결 방법(PS-I)을 구현하여 연구원과 교육자에게 안내합니다. 또한 PS-I의 효능이 다른 인지 및 정서적 소인을 가진 학생의 학습 및 동기 부여 측면에서 측정되는 이 구현의 임베디드 실험 평가를 설명합니다.

Abstract

요즘, 학생들의 반사 사고를 장려하는 방법은 다양한 교육 수준에서 교사의 주요 관심사 중 하나입니다. 많은 학생들은 STEM (과학, 기술, 공학 및 수학) 과정과 같은 높은 수준의 반사를 포함하는 작업에 직면 할 때 어려움을 겪고 있습니다. 많은 사람들이 또한 그러한 과정에 대한 뿌리 깊은 불안과 욕심을 가지고 있습니다. 이러한 인지 및 정서적 문제를 극복하기 위해, 연구원은 “지시 하기 전에 문제 해결” (PS-I) 접근의 사용을 제안 했다. PS-I는 학생들에게 나중에 수업에서 해결되는 문제에 대한 개별 적인 해결책을 생성할 수 있는 기회를 제공하는 것으로 구성됩니다. 이러한 솔루션은 강의 내용의 프레젠테이션과 함께 다음 교육 단계의 표준 솔루션과 비교됩니다. 이 접근 방식을 통해 학생들은 개념적 이해를 높이고, 학습을 다른 작업과 문맥으로 옮기고, 지식의 격차를 더 잘 인식하고, 동기 부여를 유지하는 데 도움이 되는 이전 지식의 개인적인 구조를 생성할 수 있다는 것이 제안되었습니다. 장점에도 불구하고, 학생들이 솔루션 생성의 초기 단계에서 목적없는 시행 착오에 많은 시간을 할애 할 수 있습니다 또는 그들은 심지어 미래의 학습에 해가 될 수 있습니다이 과정에서 좌절 느낄 수 있기 때문에,이 접근 방식은 비판하고있다. 더 중요한 것은, 기존의 학생 특성이이 접근 방식에서 혜택을 (또는하지)하는 데 도움이 될 수있는 방법에 대한 연구가 거의 없다는 것입니다. 현재 연구의 목적은 학부생의 통계 학습에 적용되는 PS-I 접근법의 설계 및 구현뿐만 아니라 학생들의 기존 차이를 고려하여 효능을 평가하는 데 사용되는 방법론적 접근 방식을 제시하는 것입니다.

Introduction

교사가 현재 가장 우려하는 질문 중 하나는 학생들의 반성을 자극하는 방법입니다. 이러한 우려는 STEM 과정(과학, 기술, 공학 및 수학)과 같은 수학 적 특성에서 일반적이며, 많은 개념의 추상화는 높은 수준의 반사가 필요하지만 많은 학생들이 메모리 기반방법을통해 순전히 이러한 과정에 접근한다고 보고합니다. 또한, 학생들은 종종 개념 의 피상적 인 학습을 보여줍니다1,2,3. 그러나 학생들이 반성과 딥 러닝 프로세스를 적용하는 데 어려움을 겪는 어려움은 인지만이 아닙니다. 많은 학생들이 이 과정4,5에직면한 불안과 동기 부여를 느낍니다. 사실, 이러한 어려움은 학생들의 교육 을 통해 지속되는 경향이6. 따라서 학생들의 다른 소인에 관계없이 동기 부여와 인지적으로 딥 러닝을 준비하는 교육 전략을 탐구하는 것이 중요합니다.

일반적인 교육 적 접근 방식을 보완하는 전략을 찾는 것이 특히 유용합니다. 가장 일반적인 직접 명령 중 하나입니다. 직접 교육은 이러한 개념에 대한 명시적 정보로 새로운 개념의 도입에서 학생들을 완전히 안내하는 것을 의미하며, 문제 해결 활동, 피드백, 토론 또는 추가 설명7,8과같은 통합 전략으로 이를 따르는 것을 의미합니다. 직접 지시는 콘텐츠를 쉽게 전송하는 데 효과적일 수 있습니다8,9,10. 그러나 학생들은 콘텐츠가 개인의 지식과 어떻게 관련되는지, 또는11이아닌 잠재적 절차와 같은 중요한 측면에 대해 반성하지 않는 경우가 많습니다. 따라서 학생들이 비판적으로 생각할 수 있도록 보완 전략을 도입하는 것이 중요합니다.

이러한 전략 중 하나는 본 발명접근법(11) 또는 생산적 실패접근법(13)이라고도하는 명령(PS-I)접근법(12)에앞서 문제 해결이다. PS-I는 학생들이 개념에 직접 도입되지 않는다는 점에서 직접 적인 지시와 는 다르며, 대신 학생들이 문제를 해결하기 위한 절차에 대한 설명을 받기 전에 문제에 대한 개별적인 해결책을 모색하는 일반적인 직접 교육 활동 이전에 문제 해결 단계가 있습니다.

이 초기 문제에서 학생들은 대상개념(13)을완전히 발견할 것으로 예상되지 않습니다. 학생들은 또한 인지 과부하를 느낄 수 있습니다14,15,16 심지어 부정적인 영향17 불확실성과 고려해야 할 많은 측면. 그러나 이 경험은 중요한 기능에 대한 비판적 사고를 용이하게 할 수 있기 때문에 장기적으로 생산성이 떨어질 수 있습니다. 구체적으로, 초기 문제는 학생들이 자신의 지식의 격차를 더 잘 인식할 수 있도록 도울 수있습니다(18).

학습의 관점에서, PS-I의 효과는 일반적으로 결과가 딥 러닝 지표20,21로평가될 때 볼 수 있습니다. 일반적으로 PS-I를 통해 배운 학생들과 학습된 절차를 재현하는 능력을 의미하는 절차적 지식20,22의직접적인 가르침을 통해 배운 학생들 사이에는 차이가 발견되지 않았습니다. 그러나 PS-I를 통해 이동하는 학생들은 일반적으로 개념 지식7,19,23에서더 높은 학습을 나타내며, 이는 보장된 내용을 이해하는 것을 의미하며, 새로운 상황에 이 이해를 적용하는 능력을 의미하는7,15,19,24를전송합니다. 예를 들어, 통계적 가변성에 관한 최근 연구에 따르면, 이 주제의 일반적인 개념과 절차에 대한 설명을 받기 전에 통계적 가변성을 측정할 수 있는 자체 솔루션을 발명한 학생이 문제 해결활동에참여하기 전에 관련 개념과 절차를 직접 연구할 수 있었던 학생들보다 수업 이 끝날 때 더 잘 이해하게 되었다. 그러나, 일부 연구는 학습에 차이가 없는 것으로 나타났습니다16,25,26 또는 동기 부여19,26 PS-I와 직접 교육 대안 사이, 또는 직접 교육 대안에 더 나은 학습14,26,그리고 가변성의 잠재적인 소스를 고려 하는 것이 중요 하다.

PS-I구현의 기본 설계 기능은 중요한 기능20입니다. 체계적인검토(20)는 PS-I 개입이 대조되는 경우로 초기 문제를 공식화하거나 학생의 솔루션에 대한 자세한 피드백으로 후속 지침을 작성할 때 PS-I 개입이 두 가지 전략 중 하나 이상으로 구현되었을 때 직접 교육 대안을 통해 PS-I에 대한 학습 이점이 있을 가능성이 더 높다는 것을 발견했습니다. 대조적인 사례는 몇 가지 중요한특성(예1 참조)에서 다른 단순화된 예로 구성되며(예: 그림 1 참조), 학생이 초기문제(11,20)동안 관련 기능을 식별하고 자체 솔루션을 평가하는 데 도움이 될 수 있다. 학생들의솔루션(13)을기반으로 하는 설명을 제공하는 두 번째 전략은 학생들이 관련 기능에 집중하고 자신의지식(20)의격차를 평가하는 데 도움이 될 수 있는 학생들의 근거와 한계에 대한 피드백을 제공하면서 정식 개념을 설명하는 것으로 구성되지만, 초기 문제 해결 단계가 완료된 후(학생의 일반적인 솔루션의 경우 그림 3 참조).

이 두 가지 전략에 대한 문학의 지원을 감안할 때, 사례를 대조하고 학생들의 솔루션에 대한 교육을 구축하는 것은 실제 교육 관행에 PS-I의 포함을 촉진 할 때 그들을 고려하는 것이 중요합니다. 이것은 우리의 프로토콜의 첫 번째 목표입니다. 이 프로토콜은 이러한 두 원칙을 통합하는 PS-I 개입에 대한 자료를 제공합니다. 적응이 가능하면서도 일반적으로 PS-I29문헌의대상 집단인 대학과 고등학생을 위한 매우 일반적인 수업인 통계적 가변성에 대한 수업을 위해 문맥화되는 프로토콜이다. 초기 문제 해결 단계는 많은 학습 분야의 학생들에게 친숙할 수 있는 논란의 여지가 있는 주제 국가의 소득 분배에 대한 가변성 측정을 발명하는 것으로 구성됩니다. 그런 다음 학생들이 이 문제에 대한 해결책을 연구하고, 임베디드 연습 문제와 함께 학생들이 생성한 일반적인 솔루션에 대한 토론을 통합하는 강의를 위해 자료가 제공됩니다.

우리의 프로토콜의 두 번째 목표는 PS-I의 실험적인 평가를 교육자 및 연구원이 접근할 수 있도록 하는 것이며, 이는 문학 전반에 걸쳐 일정한 조건을 유지하면서 더 다양한 관점에서 PS-I의 조사를 용이하게 할 수 있습니다. 그러나 이 실험 평가의 조건은 수정에 유연합니다. 프로토콜에 기재된 실험 평가는 일반 수업에 적용될 수 있으며, 단일 클래스의 학생들은 PS-I 조건에 대한 자료 또는 직접 교육 조건에 대한 자료를 동시에 할당할 수 있기때문이다(도 4). 본 직접 교육 조건은 연구 및 교육 요구에도 적응할 수 있지만, 원래 프로토콜에 설명된 바와 같이 학생들은 목표 개념에 대한 초기 설명을 작업 예제와 함께 얻은 다음 이 지식을 연습 문제와 통합합니다(PS-I 학생이 초기 문제에 지출하는 시간을 보상하기 위해이 조건에서만 제시됨) 및강의(23)를통해 이 지식을 통합한다. 잠재적인 적응은 강의로 시작하여 학생들이 문제 해결 활동을 하도록 하는 것을 포함하며, 이는 종종 PS-I 상태7,13,19,26에대한 더 나은 학습을 주도한 PS-I를 비교하기 위한 전형적인 제어 조건이다. 대안적으로, 대조조건은 강의 단계에 이어 작업된 예의 탐색으로 축소될 수 있는데, 이는 원래 제안된 것보다 더 단순화된 다이렉트 교육 접근법이 문헌에서 더 흔하고 다양한 결과를 초래하고 있으며, PS-I15,24, 및 이러한 유형의 직접 교육조건14에서더 나은 학습을 나타내는 연구 결과를 초래하고있다.

마지막으로, 프로토콜의 세 번째 목표는 다른 소인과 인지 능력을 가진 학생들이 PS-I15의혜택을 누릴 수있는 방법을 평가하기위한 자원을 제공하는 것입니다. 이러한 소인의 평가는 일부 학생들이 STEM 과정에 자주 가지고 있는 부정적인 소인과 PS-I가 여전히 어떤 경우에는 부정적인 반응을 일으킬 수 있다는 사실을 고려할 때 특히 중요합니다14. 그러나 이에 대한 연구는 거의 없습니다.

한편, PS-I는 공식적인 지식보다는 개인의 아이디어와의 학습을 용이하게 하기 때문에, PS-I는 낮은 학업 수준의 학생들에게 동기를 부여할 수 있는 것으로, 능력이 낮은 사람, 또는 과목13,27에대한 낮은 동기부여를 가진 학생들을 도울 수 있다고 가설이 될 수 있다. 한 연구에 따르면 숙달 방향이 낮은 학생, 즉 개인 학습과 관련된 목표가 적어27을배우려는 동기가 높은 학생들보다 PS-I로부터 더 많은 혜택을 받았다. 반면, 다른 프로필을 가진 학생들은 PS-I에 참여할 때 어려움을 겪을 수 있습니다. 보다 구체적으로, metacognitionPS-I31에서중요한 역할을 하며, metacognition 기술이 낮은 학생들은 지식 격차를 인식하거나 관련콘텐츠를분별하는 데 어려움을 겪고 있기 때문에 PS-I로부터 혜택을 받지 못할 수 있다. 또한, PS-I의 초기 단계는 개별 솔루션의 생산을 기반으로 하므로, 서로 다른 능력이 낮은 학생, 주어진 상황에서 다양한 응답을 생성하는 어려움, 다른 학생들보다 PS-I로부터 덜 혜택을 누릴 수 있습니다. 프로토콜은 다른 사람을 고려할 수 있지만 이러한 소인(표 1)에대해 평가할 신뢰할 수있는 계측기를 제시합니다.

요약하자면, 이 프로토콜은 교육자와 연구자가 접근할 수 있는 PS-I 문헌의 허용된 원칙을 따르는 PS-I 개입을 구현하는 것을 목표로 합니다. 또한, 프로토콜은이 개입의 실험 적 평가를 제공하고, 학생들의 인지 및 동기 부여 소인의 평가를 용이하게. 새로운 기술이나 특정 리소스에 대한 액세스가 필요하지 않으며 연구 및 교육 요구에 따라 수정할 수 있는 프로토콜입니다.

Protocol

이 의정서는 인간과의 연구를 위한 헬싱키 윤리 원칙 선언에 따르지만, 교육32의실제 환경에서 연구를 통합하는 데 어려움을 더하는 데 이러한 원칙을 적용한다. 특히 학습 조건의 할당이나 참여 결정은 학생들의 학습 기회에 영향을 미칠 수 없습니다. 또한, 평가를 담당하는 교사인 경우에도 학생들의 기밀성과 익명성이 유지됩니다. 프로토콜의 목적, 범위 및 절차는 아스투리?…

Representative Results

이 프로토콜은 이전 연구23에서만족스럽게 구현되었으며, 능력감, 숙달 접근 목표, 메타코그니션 및 다양한 사고측면에서 학생들의 소인의 척도를 제외하면 만족스럽게 구현되었습니다. 이러한 소인을 해결하기 위해 이 프로토콜에는 이전에 검증된 측정값이 포함되어 있으며 높은 수준의 신뢰성을 보여 준 측정값(표1)이포함됩니다. <p class="j…

Discussion

이 프로토콜의 목적은 실제 교실 컨텍스트에서 PS-I 접근 방식의 구현 및 평가에서 연구원과 교육자에게 안내하는 것입니다. 일부 이전 경험에 따르면, PS-I는 학생들의 딥 러닝과 동기 부여를 촉진 할 수 있습니다19,21,24,하지만 다른 능력과 동기 부여 소인을 가진 학생의 효능에 대한 더 많은 연구가 필요합니다14,</…

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

이 작품은 아스투리아스 공국(FC-GRUPIN-IDI/2018/000199)과 스페인 교육문화체육부(FPU16/05802)의 박사 전 보조금으로 지원되었다. 우리는 그녀의 학습 자료에서 영어를 편집 하는 데 도움이 스테파니 준 감사 하 고 싶습니다.

Materials

SPSS Program International Business Machines Corporation (IBM) Other programs for general data analysis might be used instead
PROCESS program Andrew F. Hayes (Ohio State University) Freely accesible at: http://www.processmacro.org. Other programs for mediation, moderation, or conditional process analyses might be used instead
Cognitive Competence Scale in the Survey of Attitudes towards Statistics (SATS-28) Candace Schau (Arizona State University) In case it is used, request should be requested from the author, who whold the copyright
Mastery Approach Scale in the Achievement Goal Questionnaire-Revised Andrew J. Elliot (University of Rochester) In case it is used, request should be requested from the author
Regulation of Cognition Scale of the Metacognitive Awareness Inventory Gregory Schraw (University of Nevada Las Vegas) In case it is used, request should be requested from the creator

Referenzen

  1. Silver, E. A., Kenney, P. A. Results from the seventh mathematics assessment of the National Assessment of Educational Progress. Council of Teachers of Mathematics. , (2000).
  2. OECD. Results (Volume I): Excellence and Equity in Education. PISA, OECD. , (2016).
  3. Mallart Solaz, A. . La resolución de problemas en la prueba de Matemáticas de acceso a la universidad: procesos y errores. , (2014).
  4. García, T., Rodríguez, C., Betts, L., Areces, D., González-Castro, P. How affective-motivational variables and approaches to learning predict mathematics achievement in upper elementary levels. Learning and Individual Differences. 49, 25-31 (2016).
  5. Lai, Y., Zhu, X., Chen, Y., Li, Y. Effects of mathematics anxiety and mathematical metacognition on word problem solving in children with and without mathematical learning difficulties. PloS one. 10 (6), 0130570 (2015).
  6. Ma, X., Xu, J. The causal ordering of mathematics anxiety and mathematics achievement: a longitudinal panel analysis. Journal of Adolescence. 27 (2), 165-179 (2004).
  7. Kapur, M. Productive Failure in Learning Math. Cognitive science. 38 (5), 1008-1022 (2014).
  8. Kirschner, P. A., Sweller, J., Clark, R. E. Why Minimal Guidance During Instruction Does Not Work: An Analysis of the Failure of Constructivist, Discovery, Problem-Based, Experiential, and Inquiry-Based Teaching. Educational Psychologist. 41 (2), 75-86 (2006).
  9. Stockard, J., Wood, T. W., Coughlin, C., Khoury, C. R. The Effectiveness of Direct Instruction Curricula: A Meta-Analysis of a Half Century of Research. Review of educational research. 88 (4), 479-507 (2018).
  10. Clark, R., Kirschner, P. A., Sweller, J. Putting students on the path to learning: The case for fully guided instruction. American Educator. , (2012).
  11. Schwartz, D. L., Martin, T. Inventing to prepare for future learning: The hidden efficiency of encouraging original student production in statistics instruction. Cognition and instruction. 22 (2), 129-184 (2004).
  12. Loibl, K., Rummel, N. The impact of guidance during problem-solving prior to instruction on students’ inventions and learning outcomes. Instructional Science. 42 (3), 305-326 (2014).
  13. Kapur, M., Bielaczyc, K. Designing for Productive Failure. Journal of the Learning Sciences. 21 (1), 45-83 (2012).
  14. Glogger-Frey, I., Fleischer, C., Grueny, L., Kappich, J., Renkl, A. Inventing a solution and studying a worked solution prepare differently for learning from direct instruction. Learning and Instruction. 39, 72-87 (2015).
  15. Glogger-Frey, I., Gaus, K., Renkl, A. Learning from direct instruction: Best prepared by several self-regulated or guided invention activities. Learning and Instruction. 51, 26-35 (2017).
  16. Likourezos, V., Kalyuga, S. Instruction-first and problem-solving-first approaches: alternative pathways to learning complex tasks. Instructional Science. 45 (2), 195-219 (2017).
  17. Lamnina, M., Chase, C. C. Developing a thirst for knowledge: How uncertainty in the classroom influences curiosity, affect, learning, and transfer. Contemporary educational psychology. 59, 101785 (2019).
  18. Loibl, K., Rummel, N. Knowing what you don’t know makes failure productive. Learning and Instruction. 34, 74-85 (2014).
  19. Weaver, J. P., Chastain, R. J., DeCaro, D. A., DeCaro, M. S. Reverse the routine: Problem solving before instruction improves conceptual knowledge in undergraduate physics. Contemporary educational psychology. 52, 36-47 (2018).
  20. Loibl, K., Roll, I., Rummel, N. Towards a Theory of When and How Problem Solving Followed by Instruction Supports Learning. Educational psychology review. 29 (4), 693-715 (2017).
  21. Darabi, A., Arrington, T. L., Sayilir, E. Learning from failure: a meta-analysis of the empirical studies. Etr&D-Educational Technology Research and Development. 66 (5), 1101-1118 (2018).
  22. Chen, O. H., Kalyuga, S. Exploring factors influencing the effectiveness of explicit instruction first and problem-solving first approaches. European Journal of Psychology of Education. , (2019).
  23. González-Cabañes, E., García, T., Rodríguez, C., Cuesta, M., Núñez, J. C. Learning and Emotional Outcomes after the Application of Invention Activities in a Sample of University Students. Sustainability. 12 (18), 7306 (2020).
  24. Schwartz, D. L., Chase, C. C., Oppezzo, M. A., Chin, D. B. Practicing Versus Inventing With Contrasting Cases: The Effects of Telling First on Learning and Transfer. Journal of educational psychology. 103 (4), 759-775 (2011).
  25. Chase, C. C., Klahr, D. Invention Versus Direct Instruction: For Some Content, It’s a Tie. Journal of Science Education and Technology. 26 (6), 582-596 (2017).
  26. Newman, P. M., DeCaro, M. S. Learning by exploring: How much guidance is optimal. Learning and Instruction. 62, 49-63 (2019).
  27. Belenky, D. M., Nokes-Malach, T. J. Motivation and Transfer: The Role of Mastery-Approach Goals in Preparation for Future Learning. Journal of the Learning Sciences. 21 (3), 399-432 (2012).
  28. Bergold, S., Steinmayr, R. The relation over time between achievement motivation and intelligence in young elementary school children: A latent cross-lagged analysis. Contemporary educational psychology. 46, 228-240 (2016).
  29. Mazziotti, C., Rummel, N., Deiglmayr, A., Loibl, K. Probing boundary conditions of Productive Failure and analyzing the role of young students’ collaboration. NPJ science of learning. 4, 2 (2019).
  30. Stiglitz, J. E. Las limitaciones del PIB. Investigacion y ciencia. (529), 26-33 (2020).
  31. Holmes, N. G., Day, J., Park, A. H., Bonn, D., Roll, I. Making the failure more productive: scaffolding the invention process to improve inquiry behaviors and outcomes in invention activities. Instructional Science. 42 (4), 523-538 (2014).
  32. Herreras, E. B. La docencia a través de la investigación-acción. Revista Iberoamericana de Educación. 35 (1), 1-9 (2004).
  33. Schau, C., Stevens, J., Dauphinee, T. L., Delvecchio, A. The development and validation of the survey of attitudes toward statistics. Educational and Psychological Measurement. 55 (5), 868-875 (1995).
  34. Elliot, A. J., Murayama, K. On the measurement of achievement goals: Critique, illustration, and application. Journal of educational psychology. 100 (3), 613-628 (2008).
  35. Schraw, G., Dennison, R. S. Assessing metacogntive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  36. Guilford, J. P. . The nature of human intelligence. , (1967).
  37. Zmigrod, L., Rentfrow, P. J., Zmigrod, S., Robbins, T. W. Cognitive flexibility and religious disbelief. Psychological Research-Psychologische Forschung. 83 (8), 1749-1759 (2019).
  38. Wilson, S. Divergent thinking in the grasslands: thinking about object function in the context of a grassland survival scenario elicits more alternate uses than control scenarios. Journal of Cognitive Psychology. 28 (5), 618-630 (2016).
  39. Autin, F., Croizet, J. -. C. Improving working memory efficiency by reframing metacognitive interpretation of task difficulty. Journal of experimental psychology: General. 141 (4), 610 (2012).
  40. Pekrun, R., Vogl, E., Muis, K. R., Sinatra, G. M. Measuring emotions during epistemic activities: the Epistemically-Related Emotion Scales. Cognition and Emotion. 31 (6), 1268-1276 (2017).
  41. Pallant, J. Statistical techniques to compare groups. SPSS survival manual. , 211 (2013).
  42. Pallant, J. Statistical techniques to explore relationships among variables. SPSS survival manual. , 125-149 (2013).
  43. Hayes, A. F. . Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. , (2017).
  44. Kapur, M. Productive failure in learning the concept of variance. Instructional Science. 40 (4), 651-672 (2012).
  45. Nolan, M. M., Beran, T., Hecker, K. G. Surveys Assessing Students’ Attitudes Toward Statistics: A Systematic Review of Validity and Reliability. Statistics Education Research Journal. 11 (2), (2012).
  46. Schraw, G., Dennison, R. S. Assessing metacognitive awareness. Contemporary educational psychology. 19 (4), 460-475 (1994).
  47. Dumas, D., Dunbar, K. N. Understanding Fluency and Originality: A latent variable perspective. Thinking Skills and Creativity. 14, 56-67 (2014).
  48. Roberts, R., et al. An fMRI investigation of the relationship between future imagination and cognitive flexibility. Neuropsychologia. 95, 156-172 (2017).
  49. Chamorro-Premuzic, T. Creativity versus conscientiousness: Which is a better predictor of student performance. Applied Cognitive Psychology: The Official Journal of the Society for Applied Research in Memory and Cognition. 20 (4), 521-531 (2006).
  50. Kapur, M. Examining productive failure, productive success, unproductive failure, and unproductive success in learning. Educational Psychologist. 51 (2), 289-299 (2016).
check_url/de/62138?article_type=t

Play Video

Diesen Artikel zitieren
González-Cabañes, E., García, T., Núñez, J. C., Rodríguez, C. Problem-Solving Before Instruction (PS-I): A Protocol for Assessment and Intervention in Students with Different Abilities. J. Vis. Exp. (175), e62138, doi:10.3791/62138 (2021).

View Video