Early Adolescents' Emotional Well‐Being in the Classroom: The Role of Personal and Contextual Assets
Notice bibliographique
Résumé
BACKGROUND: The objective was to predict early adolescents' emotional well-being from personal and contextual assets in the classroom. Emotional well-being is a key indicator of health. Aligned with the positive youth development (PYD) framework, a supportive classroom environment and positive relationships with teachers and peers were contextual assets in the present study; positive self-concept was a personal asset. METHODS: The sample was 406 grade 4 to 7 public elementary school students from diverse backgrounds (mean = 11.27 years; SD = 0.89; 50% female). Data were self-, teacher-, and peer-reported. Structural equation modeling (SEM) analyses were used to evaluate model fit and identify significant pathways. RESULTS: SEM indicated a good model fit. Overall, 68% of variability in early adolescents' emotional well-being was explained. Positive self-concept directly predicted emotional well-being. Supportive classroom environment predicted emotional well-being directly and indirectly through increases in positive social relationships and self-concept. Positive social relationships predicted well-being only indirectly through positive self-concept. CONCLUSIONS: Contextual and personal assets are central for early adolescents' emotional well-being. The interrelation among assets needs to be considered when understanding, and ultimately promoting students' emotional well-being. The present findings extend previous research and inform school-based intervention and prevention programming and teacher professional development.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».