Exploring alliance–outcome associations in a combined mental health and academic counselling setting for at‐risk students: The differential role of alliance components, personality, gender and pre‐treatment severity
Notice bibliographique
Résumé
Abstract This study investigated the differential role of therapeutic alliance components in predicting mental health and academic performance outcomes of a combined academic and personal counselling initiative. The study also explored the role of pre‐treatment severity and gender in alliance formation, as well as the moderating role of personality on alliance‐outcome associations in at‐risk students at a Canadian University. Pre‐ and post‐measures of mental health (SF‐36 Mental Health Composite Summary) and academic performance (GPA) were obtained for 78 at‐risk students enrolled in the counselling initiative. Criteria for risk included academic struggles, struggles with mental health, or both. Personality and demographic variables were obtained prior to the start of counselling and strength of therapeutic alliance was measured between sessions 3 and 6. Results showed that while all of the alliance components significantly predicted increases in student GPA, the task subscale predicted increases in mental health. Personality type preference was not found to moderate these associations. Furthermore, gender and pre‐symptom severity were not related to early alliance formation. The findings support the importance of the therapeutic alliance across counselling contexts and suggest that relationship oriented counselling initiatives may support both academic performance as well as psychological well‐being in at‐risk students. Implications are discussed.
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 | 0,002 | 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 | 0,001 | 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) | 0,000 | 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 ».