Understanding the Connection Between Student Wellbeing and Teaching and Learning at a Canadian Research University: A Qualitative Student Perspective
Notice bibliographique
Résumé
Postsecondary students’ ability to learn is affected by their mental health and wellbeing. Research in the teaching and learning context, however, has predominantly focused on teaching practices that facilitate motivation, learning, and academic success while overlooking the importance of student mental health and wellbeing. The current study aimed to fill this gap by using qualitative interviews to explore student perspectives on current and possible future supports that can cultivate student mental health and wellbeing in the teaching and learning context. Through 14 one-on-one interviews with students, five major themes were developed: (1) prioritize mental health, (2) provide and guide to accessible supports, (3) increase mental health literacy, (4) foster connections and social support, and (5) strengthen best practices in teaching and learning. Students emphasized that the institution has a role to play in several of these areas and elaborated on what practices and policies were least and most supportive of student mental health and wellbeing in teaching and learning. This study has implications for higher education institutions, and how they promote mental health and wellbeing, disseminate information and resources, and how faculty and staff can support students through their policies (e.g., flexibility in deadlines), course materials (e.g., assessments), course delivery (e.g., equity, diversity, and inclusion [EDI] considerations), and interactions (e.g., normalizing mental health conversations).
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 | 0,019 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,016 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».