MétaCan
Menu
Retour à la cohorte
Enregistrement W4399859986 · doi:10.1080/14729679.2024.2366927

Discussing mental health benefits for teachers participating in outdoor education in Canada: a conceptual analysis and future research directions

2024· article· en· W4399859986 sur OpenAlexaffabout
Conor Barker, Nicole Chisholm, Andrew Foran

Notice bibliographique

RevueJournal of Adventure Education & Outdoor Learning · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueOutdoor and Experiential Education
Établissements canadiensSt. Francis Xavier UniversityMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésMental healthOutdoor educationPsychologyMedical educationConceptual frameworkApplied psychologyPedagogySociologyMedicineSocial sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Outdoor education (OE) offers significant learning opportunities for students, yet teacher benefits remain underexplored. Teacher stress is causing compassion fatigue, burnout, and attrition, negatively impacting student outcomes. OE settings naturally provide educational, mental wellness, and self-care opportunities for teachers. Our research team, through a Communities of Practice focus group, identified several benefits for teachers engaging in OE. These benefits include enhanced emotional balance, sense of purpose, mental toughness, and physical endurance. Additionally, teacher competency can improve through increased knowledge, skills, attitudes, and behaviors. OE can serve as a vital part of a teacher’s self-care routine, being accessible and offering personal and professional benefits. We recommend further research on teacher experiences in OE to understand the benefits and barriers.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,609
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,425
Écart entre enseignants0,393 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Adventure Education & Outdoor LearningMême sujetOutdoor and Experiential EducationTravaux en français237 207