MétaCan
Menu
Retour à la cohorte
Enregistrement W2888423819 · doi:10.5539/hes.v8n4p9

A Positive Education Program to Promote Wellbeing in Schools: A Case Study from a Hong Kong School

2018· article· en· W2888423819 sur OpenAlexvenueno aff
Wai Chun Cherry Au, Kerry J. Kennedy

Notice bibliographique

RevueHigher Education Studies · 2018
Typearticle
Langueen
DomainePsychology
ThématiquePsychological Well-being and Life Satisfaction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlourishingCurriculumMental healthMedical educationPsychologyFocus groupProgram evaluationPositive psychologyPedagogyMedicineSociologyPolitical scienceSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Students’ mental health is an alarming issue in Hong Kong, thereby increasing concern from psychologists, who attempted to implement positive education programs to equip students with skills to counteract mental health problems. This study followed the practice from positive psychology and conducted a Flourishing Life program based on the framework of the PERMA model in a secondary setting. The aims of the present paper are two-fold: to report the effort of the program and to evaluate the program’s effectiveness. A mixed-method sequential explanatory research design, including survey (n = 495) and subsequent two focus-group interviews (n = 8), was adopted to assess the program’s effectiveness. Results indicated that Forms Two and Three students (Grades 8 and 9) benefited more from the program than the Form One students (Grade 7). Overall, students reported that they had benefitted from the program. Findings provide supporting evidence to the whole-school approach program that operated effectively within the existing curriculum. This research may provide a direction for school curriculum leaders to promote students’ wellbeing by infusing essence from positive psychology to the school curriculum.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
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 Opus0,057
Tête enseignante GPT0,444
Écart entre enseignants0,387 · 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'étudeÉtude de cas
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

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher Education StudiesMême sujetPsychological Well-being and Life SatisfactionTravaux en français237 207