Bienestar mental y resiliencia en la docencia universitaria
Notice bibliographique
Résumé
ResumenEsta investigación planteó, como objetivo, describir las fortalezas de bienestar mental y resiliencia de profesionales del departamento de psicología de una universidad privada en Guatemala.Se utilizó un diseño cuantitativo exploratorio, con análisis basado en estadística descriptiva y, una muestra no probabilística por invitación de treinta y siete docentes y colaboradores, que respondieron el Inventario de Bienestar Mental y Resiliencia (IBMR); este en formato digital.Los resultados describieron, en zonas o etapas de cambio, las fortalezas y las oportunidades de mejora del equipo docente, de acuerdo con la frecuencia con la que profesionales reportaron la práctica de acciones de bienestar mental y resiliencia.Como principales resultados se observó una proporción entre cuatro a seis por cada diez docentes, que reportaron prácticas de bienestar en la zona embebida, particularmente prácticas de relaciones que promueven el bienestar mental (62 %) y, prácticas que promueven la resiliencia a través de activos de relaciones (63 %).Entre otras conclusiones destaca la importancia de la medición para la prevención y promoción del bienestar en docentes de psicología.En este contexto los factores de bienestar mental y resiliencia se consideran vitales para un buen desempeño laboral y educativo, ya que generan bienestar de profesionales y futuros profesionales de la salud mental de Guatemala.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».