Framing well-being in a college campus setting
Notice bibliographique
Résumé
This investigatory study sought to explore the range and variation of well-being initiatives on a select cross-section of college campuses across the United States and in Canada. This whitepaper seeks to highlight innovative practices that may inspire institutions to consider new ways of promoting well-being for both students and employees. In this whitepaper, we report findings from 10 participating higher education institutions across three major categories: student-serving programs, employee-serving programs, and hybrid programs. The qualitative data collected from key stakeholder interviews and focus groups were analyzed for trends between and across institutions. Importantly, the results of this study are intended to be hypothesis-generating as opposed to hypothesis-testing. In an effort to describe the state of the field with respect to both common and innovative practices the findings have generated additional questions for further research. Several themes emerged from this study: (1) Campuses have not adopted a universally-accepted definition of well-being; (2) While many institutions are using iterations of the wellness wheel and its various dimensions (e.g. physical, emotional, intellectual, social, spiritual, financial) to guide their efforts, there is not a dominant model for structuring or measuring well-being initiatives on campus; (3) There appears to be a systematic shift from use of the term "wellness" to "well-being"; (4) While many institutions are still utilizing traditional health education practices, there appears to be a movement toward more systemic, environmental approaches to well- being, including structural, organizational, and financial strategies, in addition to a range of policy initiatives; (5) There is a range of engagement in well-being initiatives, with significant variance based on institutional philosophy; and (6) Many institutions are designing well-being initiatives that address health disparities-particularly among underrepresented or marginalized populations.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,013 | 0,014 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».