MétaCan
Menu
Retour à la cohorte
Enregistrement W2936014707 · doi:10.1007/s12144-019-00256-3

Student pro-sociality: Measuring institutional and individual factors that predict pro-social behaviour at university

2019· article· en· W2936014707 sur OpenAlexaff
Chris Stiff, Harriet E. S. Rosenthal, Stephanie Wake, Amelia Woodward

Notice bibliographique

RevueCurrent Psychology · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensYork University
Organismes subventionnairesLeverhulme Trust
Mots-clésSocialityPsychologyCLARITYPerspective (graphical)EmpathyContext (archaeology)Social psychologyScale (ratio)InstitutionSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Students operate within a bounded social context and often face decisions regarding whether to pursue selfish or group-level benefit. Yet little work has examined what predicts their behaviour towards fellow students. This work addresses this gap by investigating what factors may predict students’ performance of pro-social actions at university, and how an institution may maximise such behaviour. Study 1 created the student pro-sociality scale, used to measure these tendencies in students. In study 2, 428 students from 25 UK universities took part an online survey study using this scale, and several other pre-existing measures of possible predictors. Analysis suggested that of those factors examined, role clarity, affective commitment, empathy, and perspective-taking emerged as the most influential. This first foray into this area can now inspire further research in finding the effective ways of fostering pro-social behaviour in 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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,289
Tête enseignante GPT0,456
Écart entre enseignants0,167 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent PsychologyMême sujetCommunication in Education and HealthcareTravaux en français237 207