Assessing Interpersonal and Intrapersonal Emotional Insights in Undergraduate Medical Students
Notice bibliographique
Résumé
Emotional intelligence (EI) plays a vital role in professional competence and psychological well-being, especially in healthcare. It significantly impacts how effective practitioners are and the outcomes for patients. In medical education, nurturing emotional intelligence is crucial because clinical practice often involves intense emotional experiences. Objective: To evaluate emotional understanding at both the interpersonal and intrapersonal levels among medical students. Methods: A Descriptive cross-sectional study was conducted at Sialkot Medical College, from August 23, 2023, and culminating on November 23, 2023 of three months’ duration after taking IRB from Sialkot Medical College, Sialkot IRB no. (MRC/IRB/23019). The selection of participants was conducted utilizing a convenience sampling approach. The study included students across all academic years of the MBBS program, with the exclusion criteria being individuals diagnosed with anxiety or depression. Data were collected via a Google Forms questionnaire and analyzed using SPSS Version 23.0. Results: The study encompassed a total of 298 medical students, with an average age of 20.4 ± 1.77 years. The demographic breakdown revealed 143 (48%) male participants and 155 (52%) female participants. The findings underscored a prevalent understanding among students regarding their emotions and the significance of emotional awareness in their daily lives. Moreover, the research identified obstacles related to emotional expression and heightened sensitivity to external stimuli. Conclusions: This study concluded that brings substantial diversities in emotional and social-emotional acumen within the medical student cohort, underscoring the necessity for augmented emotional intelligence training in medical curricula to fortify self-awareness and interpersonal efficacy.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».