MétaCan
Menu
Retour à la cohorte
Enregistrement W2556772291 · doi:10.25112/rp.v1i0.431

Using Acceptance and Mindfulness to Reduce Procrastination Among University Students: Results from a Pilot Study

2016· article· en· W2556772291 sur OpenAlexaff
Frédérick Dionne

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2016
Typearticle
Langueen
DomainePsychology
ThématiquePerfectionism, Procrastination, Anxiety Studies
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésProcrastinationMindfulnessPsychologyApplied psychologyMedical educationSocial psychologyClinical psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Academic procrastination, the irrational tendency to delay the beginning and/or end of an academic task, is a pervasive problem for a significant number of university students. There are several cognitive and behavioral therapy (CBT) interventions for procrastination that exist but there is a lack of outcome research. There has been a recent emergence of new CBT approaches, such as Acceptance and Commitment Therapy (ACT) that use acceptance and mindfulness methods to promote behavioral change. These approaches are particularly well suited for addressing procrastination. The purpose of this article is to present data from a pilot study using acceptance and mindfulness techniques in a group intervention with university students. The hypothesis is that that the intervention would reduce procrastination and improve acceptance and mindfulness related variables. Results show that the intervention helped reduce procrastination and increase mindfulness. The intervention was also proven to be acceptable and feasible for a university student population. Future research directions and implications are discussed. Keywords: Procrastination. Acceptance and commitment therapy (ACT). Cognitive-behavioral therapy (CBT). Mindfulness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,288
Tête enseignante GPT0,548
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations24
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetPerfectionism, Procrastination, Anxiety StudiesTravaux en français237 207