The Association of Self-Assessed Emotional Intelligence with Academic Achievement and General Health among Students of Medical Sciences
Notice bibliographique
Résumé
INTRODUCTION & AIM: Emotional intelligence is one of the most important leading factors influencing different aspects of human life. It leads individuals to percept their feelings for appropriate decision making and fields for future accomplishments. The aim of this study was to Investigation of the associations of self-assessed EI with academic achievement and general health among medical students. MATERIALS & METHODS: This cross-sectional study was conducted on 426 students of Zahedan University of Medical Sciences from October 2014 to May 2015. Random sampling method was used. Sibria Shring standard emotional intelligence questionnaire and Goldberg's standard general health questionnaire (GHQ-28) were used for data collecting. Data analysis was through descriptive statistics (mean, standard deviation) and inferential statistics (t-test, ANOVA and Pearson correlation coefficient) by SPSS v.21. The tests significant level was considered 0.05. FINDINGS: The average total score of emotional intelligence in males (102.23±1.67) was better in comparison with females (98.54±2.23). There was not any significant difference in total mean scores of students of different fields of Study (P=0.211). According to ANOVA test, it has not observed any significant difference between scores of emotional intelligence scales of students from different domains of study. The results of Pearson correlation test confirmed a positive significant correlation between emotional intelligence, academic achievement and general health. CONCLUSION: According to the results of this study that has shown a significant relationship between emotional intelligence, general health and academic achievement, it is needed to hold some workshops and classes for emotional intelligence improvement.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».