Publication
A hybrid psychometric approach integrating Self-Determination Theory and passive smartphone sensing for continuous assessment of learning motivation
| Summary: | A motivação para a aprendizagem molda profundamente o comportamento e o envolvimento dos estudantes, sendo central na psicologia da educação e na pedagogia. À luz da Teoria da Autodeterminação (SDT), a motivação intrínseca é um conceito estável de impulso genuíno. As avaliações convencionais baseadas em autorrelatos ou observações de peritos são trabalhosas, propensas a distorção e incapazes de captar a dinâmica temporal. Embora a monitorização móvel esteja difundida em psicometria, continuam escassos os trabalhos que visam diretamente a motivação para a aprendizagem e uma abordagem integrada, alinhada com a SDT e com avaliação contínua. Esta dissertação enfrenta essa lacuna. Propomos uma abordagem psicométrica híbrida que integra autorrelatos fundamentados na SDT com sensorização passiva por telemóveis para uma avaliação contínua, de validade ecológica, e sustentada por estudos longitudinais que emparelham dados comportamentais recolhidos via telemóveis com escalas validadas de motivação. Um fluxo de trabalho operacional de cinco camadas abrange perceção, pré-processamento, representação, análise e relato, e o trabalho organiza-se em três questões de investigação faseadas: (i) quais são as associações comportamento–motivação? (ii) quais são os indicadores comportamentais refinados? e (iii) qual é a estimação ao nível individual por integração sensível ao contexto com inferência aumentada por LLM? Mantém-se a governação ética rigorosa em todo o processo. Os resultados mostram que a combinação de sensorização passiva contínua com autorrelatos SDT identifica padrões comportamentais associados à motivação intrínseca e produz indicadores com maior ranularidade, sensibilidade temporal superior e fiabilidade psicométrica mais robusta. Evidenciam também uma estimativa simultânea interpretável e individualizada, viabilizada pela inferência contextualizada e aumentada pelo LLM. Globalmente, o trabalho estabelece um paradigma sistemático que liga a teoria psicológica ao comportamento no mundo real, progredindo da associação para a otimização e para a estimação. Oferece também orientações práticas para uma avaliação pouco intrusiva da motivação para a aprendizagem e para a análise da aprendizagem. |
|---|---|
| Main Authors: | Feng, Yu |
| Subject: | Avaliação Motivação académica Monitorização passiva por sensores Psicométrico Assessment Learning Motivation Passive Smartphone Sensing Psychometric Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
| Year: | 2026 |
| Country: | Portugal |
| Document type: | doctoral thesis |
| Access type: | open access |
| Associated institution: | Universidade do Minho |
| Language: | English |
| Origin: | RepositóriUM - Universidade do Minho |
| Summary: | A motivação para a aprendizagem molda profundamente o comportamento e o envolvimento dos estudantes, sendo central na psicologia da educação e na pedagogia. À luz da Teoria da Autodeterminação (SDT), a motivação intrínseca é um conceito estável de impulso genuíno. As avaliações convencionais baseadas em autorrelatos ou observações de peritos são trabalhosas, propensas a distorção e incapazes de captar a dinâmica temporal. Embora a monitorização móvel esteja difundida em psicometria, continuam escassos os trabalhos que visam diretamente a motivação para a aprendizagem e uma abordagem integrada, alinhada com a SDT e com avaliação contínua. Esta dissertação enfrenta essa lacuna. Propomos uma abordagem psicométrica híbrida que integra autorrelatos fundamentados na SDT com sensorização passiva por telemóveis para uma avaliação contínua, de validade ecológica, e sustentada por estudos longitudinais que emparelham dados comportamentais recolhidos via telemóveis com escalas validadas de motivação. Um fluxo de trabalho operacional de cinco camadas abrange perceção, pré-processamento, representação, análise e relato, e o trabalho organiza-se em três questões de investigação faseadas: (i) quais são as associações comportamento–motivação? (ii) quais são os indicadores comportamentais refinados? e (iii) qual é a estimação ao nível individual por integração sensível ao contexto com inferência aumentada por LLM? Mantém-se a governação ética rigorosa em todo o processo. Os resultados mostram que a combinação de sensorização passiva contínua com autorrelatos SDT identifica padrões comportamentais associados à motivação intrínseca e produz indicadores com maior ranularidade, sensibilidade temporal superior e fiabilidade psicométrica mais robusta. Evidenciam também uma estimativa simultânea interpretável e individualizada, viabilizada pela inferência contextualizada e aumentada pelo LLM. Globalmente, o trabalho estabelece um paradigma sistemático que liga a teoria psicológica ao comportamento no mundo real, progredindo da associação para a otimização e para a estimação. Oferece também orientações práticas para uma avaliação pouco intrusiva da motivação para a aprendizagem e para a análise da aprendizagem. |
|---|
Funded activities
No funded projects found.