Effet d’une application mobile d’autocompassion pleine conscience sur la santé mentale d’étudiants universitaires
Notice bibliographique
Résumé
Depuis la pandémie, la santé mentale des étudiants universitaires est mise à l’épreuve. En effet, plusieurs études soulignent une augmentation du niveau de détresse et une diminution du niveau de bien-être psychologique. L’autocompassion et la pleine conscience (ACPC) sont utiles pour améliorer la santé mentale, mais peu accessibles et spécifiques aux étudiants. À ce jour, aucune application d’ACPC n’a été développée et validée chez ceux-ci. La présente étude exploratoire vise à développer une application d’ACPC inspirée du programme Mindful Self-Compassion, et à évaluer son effet sur le bien-être, le stress perçu et l’autocompassion d’étudiants universitaires. 67 étudiants universitaires volontaires sont répartis aléatoirement dans deux groupes (expérimental et contrôle). Les niveaux de stress perçu, de bien-être et d’autocompassion sont mesurés avant et après trois semaines d’utilisation de l’application. L’utilisation de l’application d’ACPC a mené à une augmentation significative de l’autocompassion. Aucune interaction significative n’est toutefois détectée pour le bien-être (F(1, 48.77) = 1.06, p = .309) et le stress (F(1, 47.89) = 2.79, p = .101). L’application d’ACPC semble efficace pour améliorer la capacité d’autocompassion des étudiants universitaires. Des études supplémentaires avec des échantillons plus vastes et de plus longue durée pourraient permettre de démontrer son effet sur leur santé mentale.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».