Personal goal setting in university students : effects on academic achievement, executive functioning, personality, and mood
Notice bibliographique
Résumé
Le quart des étudiants inscrit dans un programme universitaire ne termineront pas leurs études. Les causes qui précipitent cet abandon incluent une faible progression académique, un manque de motivation, ainsi qu’une absence de buts clairement établis. Une des raisons principales pouvant expliquer ce manque d’ajustement à la vie universitaire peut également s’expliquer par l’incapacité des étudiants à assimiler de nouvelles expériences sur le plan cognitif. Des études récentes ont démontré que se donner des objectifs aide à développer un sentiment accru de bien-être. La recherche neuroscientifique a aussi établi un lien étroit entre la mémoire de travail (MT) et la capacité de se fixer des objectifs. C’est à dire, la MT est reliée au déploiement des ressources attentionnelles, qui en retour sont importantes dans la planification et l’élaboration de stratégies pour faciliter l’atteinte d’un but ainsi que le retour sur l’état de ces buts. Cette étude vise à découvrir si l’utilisation d’un programme avec des objectifs claire peut avoir des bienfaits sur le plan académique, le bien-être, la personnalité (stabilité émotive et l’état de conscience) et le fonctionnement cognitif (MT) d’étudiants à faible rendement académique. Des étudiants (N = 101) en difficultés scolaires et ayant une note pondérée de moins de 3.0/4.0 ont été recrutés à l’Université McGill. Ceux-ci ont complété des tests mesurant leur bien-être, personnalité, fonctionnement cognitif et ont ensuite été assignés par hasard soit au groupe expérimental (assignation intensive d’objectifs) ou au groupe contrôle (intervention neutre apparaissant efficace). Chaque mois, pendant quatre mois, les étudiants ont rempli des questionnaires sur leur état émotionnel. [...]
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».