In sport and now in medical school: examining students’ well-being and motivations for learning
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
OBJECTIVES: To investigate relationships between students' past level of involvement in physical activity/sport and their motivations for learning (achievement goals) and well-being in medical school. In doing so, we provide evidence to medical programs to inform admission processes and curriculum planning. METHODS: A cross-sectional study was conducted. Out of 640 medical students, 267 completed an online questionnaire with measures of: achievement goals, academic burnout, physical activity/sport involvement, and demographics. Data were analyzed using descriptive and inferential statistics (frequency, mean, standard deviation, chi-square test, Cronbach alpha, Spearman correlation). RESULTS: Students who had pursued physical activity/sport at higher levels of involvement had lower academic burnout scores and endorsed maladaptive achievement goals to a less degree. Specifically, the level of students' involvement in physical activity/sport was negatively correlated with academic burnout (r=-0.15, p=0.014) and with achievement goals of performance approach (r=-0.15, p=0.014), performance avoidance (r=-0.21, p=0.001), and mastery avoidance (r=-0.24, p<0.001). CONCLUSIONS: Pursuit of dedicated personal activities such as sport appears to be associated with the desired quality of motivation and well-being of medical students. A school culture that fosters resilience of newly admitted students through extracurricular activities and raises students' awareness of maladaptive and adaptive achievement goals is likely to be beneficial in addressing academic burnout and improving the mental health of medical students.
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 | 0,005 | 0,013 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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