Web-based training for post-secondary student well-being during the pandemic: a randomized trial
Notice bibliographique
Résumé
Background: The COVID-19 pandemic has been a highly stressful period where post-secondary education moved to online formats. Coping skills like decentering and reappraisal appear to promote stress resilience, but limited research exists on cultivating these skills in online learning contexts.Methods: In a three-arm randomized trial design, we evaluated three-week, web-based interventions to gauge how to best cultivate mindfulness and stress-reappraisal skills and whether the proposed interventions led to improved mental health. Undergraduate participants (N = 183) were randomly assigned to stress mindset, mindfulness meditation, or mindfulness with choice conditions.Results: At the study level (baseline vs. post-intervention), decentering improved across all conditions. Mindfulness with choice significantly decreased negative affect and rumination compared to stress mindset, while stress mindset significantly enhanced stress mindset skills compared to both mindfulness groups. At the daily level (three sessions per week), stress mindset significantly increased positive affect compared to mindfulness meditation.Conclusions: Results suggest that student mental health can be remotely supported through brief web-based interventions. Mindfulness practices seem to be effective in improving students' negative mood and coping strategies, while stress mindset training can help students to adopt a stress-is-enhancing mindset. Additional work on refining and better matching students to appropriate interventions is needed.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».