論文の概要: Self-Regulated Learning in Essay Writing: Consistency of Strategies and Impact on Outcomes

• arxiv url: http://arxiv.org/abs/2605.14228v1
• Date: Thu, 14 May 2026 00:45:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.555692
• Title: Self-Regulated Learning in Essay Writing: Consistency of Strategies and Impact on Outcomes
• Title（参考訳）: エッセイ執筆における自己統制型学習:戦略の整合性と成果への影響
• Authors: Gloria Fernández-Nieto, Kiyoshige Garcés, Mladen Raković, Tongguang Li, Xinyu Li, Linxuan Zhao, Dragan Gašević,
• Abstract要約: 効果的な自己制御学習(SRL)の能力は生涯学習において重要である。 本研究の目的は,オンラインエッセイ執筆中に中学生がSRL戦略をどのように実行したかを検討することである。
• 参考スコア（独自算出の注目度）: 4.746213939887709
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Abilities for effective self-regulated learning (SRL) are critical for lifelong learning, particularly during adolescence when these skills consolidate and strongly influence future learning. Their importance has grown with the rise of online and blended education. Yet, little is known about how secondary school students self-regulate in online environments, how their SRL processes and strategies evolve, or how they affect outcomes. In secondary education, understanding these processes can reveal patterns and indicators of learning success, informing the design of online support mechanisms. Evidence from repeated-measures designs remains scarce. Objectives: This study aims to examine how secondary school students enact SRL strategies during online essay writing, how these strategies change over time, and how they relate to learning outcomes. Methods: We analysed metacognition-related trace data collected from secondary students during a two-wave online essay-writing task conducted one week apart in two Colombian schools (N = 93 for session 1, N = 95 for session 2) via a digital learning platform. Using a combination of process mining and unsupervised machine learning techniques, we identified dominant SRL strategies grounded in established SRL processes and examined their stability and association with learning outcomes. Results and conclusions: Three dominant SRL strategies were identified. Results showed variability: many students remained in or shifted to Read first, write next, while none used Write intensively, read selectively in session 2. Although less common, latter strategy was positively associated with learning outcomes.
• Abstract（参考訳）: 背景: 効果的な自己統制学習(SRL)の能力は、特にこれらのスキルが統合され、将来的な学習に強く影響を与える青年期において、生涯学習に不可欠である。 彼らの重要性は、オンラインとブレンド教育の台頭と共に成長してきた。 しかし、中学生がオンライン環境でどのように自己統制するか、SRLのプロセスと戦略がどのように進化するか、結果にどのように影響するかについては、ほとんど分かっていない。 中等教育において、これらのプロセスを理解することは、学習の成功のパターンと指標を明らかにし、オンライン支援機構の設計を通知する。 繰り返し実施される設計の証拠は乏しい。 目的:本研究は,オンラインエッセイ執筆中に中学生がSRL戦略をどのように実行したか,これらの戦略が時間とともにどのように変化するか,学習成果との関連性について検討することを目的とする。 方法】コロンビアの2つの学校(セッション1は93、セッション2は95、セッション2は95)において,2週間にわたるオンラインエッセイ書記作業中に中等生から得られたメタ認知関連トレースデータをデジタル学習プラットフォームを用いて分析した。 プロセスマイニングと教師なし機械学習の組み合わせを用いて、確立されたSRLプロセスに根ざした支配的SRL戦略を特定し、その安定性と学習結果との関連性を検討した。 結果と結論:3つの主要なSRL戦略が同定された。 結果は変動を示しており、多くの学生が最初に読み出し、次に書き込むように留まり、セッション2で読み込むのに集中的に書き込むことはなかった。 あまり一般的ではないが、後者の戦略は学習結果に肯定的に関連していた。

関連論文リスト

• Beyond Self-Regulated Learning Processes: Unveiling Hidden Tactics in Generative AI-Assisted Writing [6.959292553787328]
  ジェネレーティブAI(GenAI)の教育への統合は、学生の学習方法を変えつつある。 GenAIツールとの相互作用において,自己制御学習(SRL)がどのように展開するかを理解することが不可欠である。
  論文  参考訳（メタデータ） (2025-08-14T03:28:36Z)
• Understanding Self-Regulated Learning Behavior Among High and Low Dropout Risk Students During CS1: Combining Trace Logs, Dropout Prediction and Self-Reports [8.138288420049127]
  本研究では,コンピュータサイエンスの学生の行動パターンを様々なリスクで調査する。 学習分析を用いて,仮想学習環境からトレースログとタスクパフォーマンスデータを解析した。 その結果,個別の週次学習戦略と授業行動の分類が明らかになった。
  論文  参考訳（メタデータ） (2025-06-10T18:46:45Z)
• Let Students Take the Wheel: Introducing Post-Quantum Cryptography with Active Learning [4.804847392457553]
  ポスト量子暗号(PQC)は、既存のソフトウェアシステムをセキュアにするためのソリューションとして認識されている。 本研究は,PQCを大学生や大学院生に教える上での,新たなアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T01:52:03Z)
• Bridging Declarative, Procedural, and Conditional Metacognitive Knowledge Gap Using Deep Reinforcement Learning [7.253181280137071]
  帰納的ドメインでは、昇順のメタ認知的知識タイプは宣言的、手続き的、条件的学習である。 この研究は、3つの知識タイプ間のギャップを埋めるために適応的なメタ認知的介入を提供するために、Deep Reinforcement Learning (DRL)を活用する。 以上の結果から,DRLは両ITSにおいて,学生間のメタ認知的知識ギャップを橋渡しし,学習能力を大幅に向上させた。
  論文  参考訳（メタデータ） (2023-04-23T20:07:07Z)
• Contrastive UCB: Provably Efficient Contrastive Self-Supervised Learning in Online Reinforcement Learning [92.18524491615548]
  対照的な自己指導型学習は、(深層)強化学習(RL)の実践にうまく統合されている 我々は,低ランク遷移を伴うマルコフ決定過程(MDP)とマルコフゲーム(MG)のクラスにおいて,コントラスト学習によってRLをどのように強化できるかを検討する。 オンライン環境下では,MDPやMGのオンラインRLアルゴリズムと対照的な損失を生かした,新しい高信頼境界(UCB)型アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-29T17:29:08Z)
• RvS: What is Essential for Offline RL via Supervised Learning? [77.91045677562802]
  近年の研究では、時間差(TD)のない教師あり学習だけでオフラインRLに極めて効果的であることが示されている。 あらゆる環境スイートにおいて、2層フィードフォワードによる可能性の最大化は競争力がある。 彼らはまた、ランダムデータに対して比較的弱い既存のRvS法の限界を探索する。
  論文  参考訳（メタデータ） (2021-12-20T18:55:16Z)
• Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
  パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。 私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
  論文  参考訳（メタデータ） (2021-04-15T20:40:24Z)
• MOLAM: A Mobile Multimodal Learning Analytics Conceptual Framework to Support Student Self-Regulated Learning [0.0]
  この章では、MOLAM(Mobile Multimodal Learning Analytics)アプローチを紹介します。 学生の自己統制型学習の発展は、このアプローチの採用の恩恵を受けるだろうと私は主張する。
  論文  参考訳（メタデータ） (2020-12-18T18:55:33Z)
• EPARS: Early Prediction of At-risk Students with Online and Offline Learning Behaviors [55.33024245762306]
  リスク・アット・リスク(STAR)の早期予測は、ドロップアウトや自殺にタイムリーに介入するための有効かつ重要な手段である。 既存の作業は主に、学習プロセス全体を捉えるのに十分な包括的でないオンラインまたはオフラインの学習行動に依存する。 オンラインおよびオフライン学習行動のモデル化により,STARを1学期で早期に予測できる新しいアルゴリズム(EPARS)を提案する。
  論文  参考訳（メタデータ） (2020-06-06T12:56:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。