Balanced Scheduling to Reduce Procrastination: Can Scheduling Enjoyable Activities Increase Productivity and Satisfaction?
Notice bibliographique
Résumé
The present research examined the effectiveness of a novel scheduling application in which the emphasis is paradoxically on scheduling leisure activities before scheduling work activities. According to the developer of this method, when we neglect to prioritize leisure activities, work activities can become tedious to the point that we begin to procrastinate. To assess this possibility, undergraduate students (n = 27) completed a two-week baseline of their study activities, during which they recorded both the duration and satisfaction level of each study session. This was followed by a four-week intervention in which the participants were randomly assigned to one of two conditions: (1) a traditional scheduling condition in which they scheduled their study activities for the coming week, and (2) a balanced scheduling condition in which they scheduled their leisure activities first and study activities second. We found no significant difference between the traditional scheduling and balanced scheduling groups in either study duration or satisfaction. For the combined group, however, we did find an overall effect of scheduling, with improvements from baseline to treatment in study duration (p < .001) and study satisfaction (marginally significant, p = .07), as well as an overall decrease in scores from pre-study to post-study on a standardized measure of academic procrastination (p = .01). These findings suggest that weekly scheduling, regardless of whether it includes scheduling one's leisure activities, may be an effective intervention for improving students' study behaviour and reducing procrastination. Limitations of the study include a small sample size and lack of appropriate controls for possible confounds. Discipline: Psychology (Honours) Faculty Mentor: Dr. Russ Powell
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 | 0,004 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».