The road to greater well-being: exploring the impact of an undergraduate positive education course on university students’ well-being
Notice bibliographique
Résumé
Abstract The profile of subjective well-being (SWB) in university students is perturbing in many respects. Indeed, university students are in need of tools to combat stress and promote SWB now more than ever given the adverse repercussions of the COVID-19 pandemic. Positive education could serve as a SWB tool to help university students deal with academic, personal, and global stressors. While a number of studies have quantitatively reported the impact of positive education on student SWB, few have considered students’ experiences and perceptions of changes in their SWB as a result of taking a positive education course. Therefore, the purpose of this study was to qualitatively explore university students’ experiences in a positive education course and their perceptions of its influence on their SWB immediately after taking the course. Undergraduate students ( n = 17) who had taken a positive education course during the Winter term of 2020 (January–April) were recruited via volunteer sampling. Data were collected by means of semi-structured interviews and analyzed using reflexive thematic analysis. Analyses revealed that the course improved the students’ SWB, self-compassion, mindfulness, and optimism. Mechanisms such as greater self-reflection, implementation of intentional positive activities, and big picture thinking underlie these reported improvements. Our findings support positive education’s effectiveness in enhancing student SWB and expand on the current literature by proposing novel mechanisms linking positive education to enhanced student SWB, self-compassion, mindfulness, and optimism.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».