University Students’ Perceptions of a 30-Minute Break During Class: A Realistic Practice for Wellness?
Notice bibliographique
Résumé
This SoTL study aimed to discover how teacher education students engaged with a 30-minute unstructured break during a weekly three-hour lecture. Cognitive fatigue and resulting stress accumulation have negative effects on wellness. Education students can accumulate significant stress when studying and preparing. This, in turn, affects their career outlook and may affect teacher retention. Pausing a cognitively demanding task and taking a break can reverse the strain reaction and support sustainable, long-term wellness. However, taking an effective break is often difficult because it can be perceived as a waste of time and a loss of productivity. Research shows the opposite effect. If we educate higher education students about the benefits of taking effective breaks and then model this practice in class, can we promote an accessible and realistic stress management strategy? Can student teachers potentially take this strategy with them into their teaching careers and classrooms? Using pre- and post-surveys as well as “Weekly Break Logs” during class (N = 70), followed by a post-course focus group (n = 4), the study found that 100% of participants post-course valued the break. They spent it socializing or going for short walks and did not spend it on their devices. The majority felt refreshed and motivated to return to learning following the break. Focus group findings revealed the value of taking breaks, and participants were motivated to continue this practice in their professional lives.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».