MétaCan
Menu
Retour à la cohorte
Enregistrement W4389521053 · doi:10.1080/28324765.2023.2292687

Post-secondary student perspectives about how to support student resilience

2023· article· en· W4389521053 sur OpenAlexaff
Keith S. Dobson, Alex Riggin, Madison Heintz, David Nordstokke, Andrew C. H. Szeto, Jennifer E. Thannhauser

Notice bibliographique

RevueCogent Mental Health · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPsychological resiliencePsychologyResilience (materials science)IndigenousMedical educationSocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

It is increasingly recognized that resilience can significantly help post- secondary students to mitigate the response to stress and adversity. The discussion of how to inculcate resiliency is often left to academic leaders and service providers. However, one of the voices that has been relatively less heard in the development of relevant resources is that of students themselves. The current study surveyed university students (N = 281) and assessed both the internal and external resources that students believed were important for the development of resilience. Participants rated personal resources somewhat more highly than external resources. In particular, the personal attributes of self-care, persistence and executive functioning were rated as key variables in the development of resilience. The study also compared subgroups of participants, to examine the influence of individual differences on the perceived importance of these resources. As examples, women rated several personal resources higher than men, and international students, students of colour, and Indigenous students rated access to cultural/spiritual resources higher than their comparison group. Study limitations were noted, but it was recommended that post-secondary institutions take into account student perspectives when developing campus resources. This study provides suggestions about which types of resources are most important for different types of students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,005

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,450
Écart entre enseignants0,418 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCogent Mental HealthMême sujetResilience and Mental HealthTravaux en français237 207