Veterinary Students' Perspectives on Resilience and Resilience-Building Strategies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent years, resilience has been lauded as a valuable, even necessary, facet of an effective veterinary practitioner. This study describes a mixed-methods research exploration of the impact of a self-care and mental well-being teaching intervention on the self-reported resilience of 105 first-year veterinary students enrolled at the School of Veterinary Medicine, University of Surrey, UK. Quantitative data were obtained through a questionnaire, the 10-item Connor-Davidson Resilience Scale (CD-RISC 10), which students completed before and after the teaching intervention. The median total score on the scale increased from 27 (IQR=25-30) to 29 (IQR=26-32) (p<.001), a medium effect size (r=-0.28). Student focus groups were held to allow qualitative data analysis of the students' perspectives on the teaching intervention and on the topic of resilience in general. The results of this study suggest that appropriate training in resilience-building strategies can help veterinary students build greater awareness of resilience, and potentially support their development of a more resilient approach in their personal and professional lives. In this study, veterinary students felt that resilience training was a valuable addition to the veterinary curriculum, and that resilience likely plays an important role in achieving a successful veterinary career. The study also suggested that veterinary students utilize a variety of different resilience-building strategies, including drawing on past experiences, seeking help from support networks, and developing an ability to change their perspectives.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle