MétaCan
Menu
Retour à la cohorte
Enregistrement W2468926784 · doi:10.5539/gjhs.v9n3p88

The Contribution of Emotional Intelligence and Achievement Motivation on Psychological Well-Being

2016· article· en· W2468926784 sur OpenAlexvenueno aff
Maryam Ghahremani, Zohreh Ostovar

Notice bibliographique

RevueGlobal Journal of Health Science · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmotional intelligencePsychologyPromotion (chess)Need for achievementCluster samplingAcademic achievementMultilevel modelPsychological well-beingPopulationDevelopmental psychologyApplied psychologySocial psychologyStatistics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was contribution of Emotional intelligence and achievement motivation on psychological well-being of students in the Shahr-e-Qods University. The statistical population of this study included all the students of University from 2015 to 2016. A sample of 200 students has been selected through cluster sampling. These students responded to a set of questionnaires included emotional intelligence (EI), achievement motivation, and psychological well-being. Hierarchical regression analyses conducted for each dependent variable showed that emotional intelligence and achievement motivation could be considered as important indicators of psychological well-being (p<0.01).The results indicated that achievement motivation can predict psychological well-being, and among emotional intelligence components, self-control and self-awareness can predict psychological well-being. As the results indicated, growth and promotion of the emotional intelligence can be considered as methods for improving students' psychological well-being. This can be promoted and revolted through a rich Educational Environment, so it is recommended to teach emotional intelligence skills to students with low psychological well-being through training workshops.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,408
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetEmotional Intelligence and PerformanceTravaux en français237 207