Contributions of psychological needs, self-compassion, leisure-time exercise, and achievement goals to academic engagement and exhaustion in Canadian medical students
Notice bibliographique
Résumé
PURPOSE: To investigate the contributions of psychological needs (autonomy, competence, and relatedness) and coping strategies (self-compassion, leisure-time exercise, and achievement goals) to engagement and exhaustion in Canadian medical students. METHODS: This was an observational study. Two hundred undergraduate medical students participated in the study: 60.4% were female, 95.4% were 20-29 years old, and 23.0% were in year 1, 30.0% in year 2, 21.0% in year 3, and 26.0% in year 4. Students completed an online survey with measures of engagement and exhaustion from the Oldenburg Burnout Inventory-student version; autonomy, competence, and relatedness from the Basic Psychological Needs Scale; self-compassion from the Self-Compassion Scale-short form; leisure-time exercise from the Godin Leisure-Time Exercise Questionnaire; and mastery approach, mastery avoidance, performance approach, and performance avoidance goals from the Achievement Goals Instrument. Descriptive and inferential analyses were performed. RESULTS: The need for competence was the strongest predictor of student engagement (β= 0.35, P= 0.000) and exhaustion (β= -0.33, P= 0.000). Students who endorsed mastery approach goals (β= 0.21, P= 0.005) and who were more self-compassionate (β= 0.13, P= 0.050) reported greater engagement with their medical studies. Students who were less self-compassionate (β= -0.32, P= 0.000), who exercised less (β= -0.12, P= 0.044), and who endorsed mastery avoidance goals (β= 0.22, P= 0.003) reported greater exhaustion from their studies. Students' gender (β= 0.18, P= 0.005) and year in medical school (β= -0.18, P= 0.004) were related to engagement, but not to exhaustion. CONCLUSION: Supporting students' need for competence and raising students' awareness of self-compassion, leisure-time exercise, and mastery approach goals may help protect students from burnout-related exhaustion and enhance their engagement with their medical school studies.
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 | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».