Self-leadership and self-efficacy are theoretically and empirically linked, yet limited research explains how individuals interpret self-leadership experiences as evidence of personal capability. Although self-leadership practices and mastery experiences contribute to self-efficacy, the cognitive process through which performance experiences become evidence of competence remains insufficiently understood. Attribution theory explains how individuals infer the causes of performance outcomes but offers limited insight into how these interpretations inform subsequent judgements of personal capability. This paper proposes responsibility attribution as a cognitive mechanism that may explain how performance experiences are incorporated into self-efficacy beliefs. Responsibility attribution is conceptualised as an evaluative appraisal through which individuals determine whether a performance outcome should be interpreted as evidence of their own capability. Outcomes perceived as personally attributable may therefore acquire psychological significance for subsequent self-efficacy judgements. Integrating self-leadership theory, social cognitive theory, and attribution theory, the proposed framework explains how individuals may transform performance experiences into capability judgements that support self-directed behaviour. The paper contributes to attribution theory by specifying a potentially under-theorised function of attributional processing: evaluating whether interpreted outcomes constitute evidence of personal capability. The framework also offers a theoretical basis for future research into self-leadership development and interventions that strengthen learning from experience.
Contemporary science education emphasizes the role of content knowledge (CK) in students’ informal reasoning (IR) within socio-scientific issues (SSI). However, students may not automatically apply scientific knowledge when reasoning about complex and open-ended SSI. Drawing on literature on modeling competence (MC), this study examined whether MC, operationalized through students’ modeling practices, statistically mediated the association between foundational scientific CK and science-based IR in a climate-related SSI task. 443 tenth-grade students participated in an online inquiry activity on climate change and methane emissions. Data were collected through a standardized CK assessment, a stock-and-flow MC task, and a written policy decision-making IR task. Results showed that students performed relatively well on foundational scientific CK and basic modeling practices involving source–sink identification and net-flow calculation, but showed weaker performance in model prediction and science-based IR. Path analysis indicated significant positive associations among CK, MC, and IR. The indirect association from CK to IR through MC was statistically significant and accounted for approximately 45.8% of the total CK–IR association. These findings suggest that students’ MC-related modeling practices may represent a meaningful statistical pathway linking foundational scientific CK and science-based IR. The study highlights the potential value of integrating content instruction with modeling practices in SSI learning and supporting IR that more explicitly incorporates scientific evidence and causal explanation.
آموزش علوم معاصر بر نقش دانش محتوا (CK) در استدلال غیررسمی (IR) دانش‌آموزان در مسائل اجتماعی-علمی (SSI) تأکید دارد. با این حال، دانش‌آموزان ممکن است به طور خودکار دانش علمی را هنگام استدلال درباره مسائل پیچیده و باز SSI به کار نگیرند. با بهره‌گیری از ادبیات مربوط به شایستگی مدل‌سازی (MC)، این مطالعه بررسی کرد که آیا MC، که از طریق فعالیت‌های مدل‌سازی دانش‌آموزان عملیاتی شده است، به طور آماری میانجی‌گر ارتباط بین دانش پایه علمی CK و IR مبتنی بر علم در یک تکلیف SSI مرتبط با اقلیم می‌باشد یا خیر. ۴۴۳ دانش‌آموز پایه دهم در یک فعالیت پژوهشی آنلاین درباره تغییرات اقلیمی و انتشار متان شرکت کردند. داده‌ها از طریق ارزیابی استاندارد CK، یک تکلیف MC مبتنی بر مدل ذخیره-جریان و یک تکلیف IR نوشتاری تصمیم‌گیری سیاستی گردآوری شد. نتایج نشان داد که دانش‌آموزان در CK علمی پایه و فعالیت‌های مدل‌سازی ابتدایی شامل شناسایی منبع-مخزن و محاسبه جریان خالص نسبتاً عملکرد خوبی داشتند، اما در پیش‌بینی مدل و IR مبتنی بر علم عملکرد ضعیف‌تری نشان دادند. تحلیل مسیر ارتباطات مثبت معناداری میان CK، MC و IR را نشان داد. ارتباط غیرمستقیم از CK به IR از طریق MC از نظر آماری معنادار بود و تقریباً ۴۵.۸٪ از کل ارتباط CK–IR را تشکیل می‌داد. این یافته‌ها نشان می‌دهد که فعالیت‌های مدل‌سازی مرتبط با MC دانش‌آموزان ممکن است مسیر آماری معناداری را میان CK علمی پایه و IR مبتنی بر علم فراهم کند. این مطالعه بر ارزش بالقوه ادغام آموزش محتوا با فعالیت‌های مدل‌سازی در یادگیری SSI و حمایت از IR که به طور صریح‌تر شواهد علمی و تبیین علّی را دربرمی‌گیرد، تأکید می‌کند.
