MétaCan
Menu
Retour à la cohorte
Enregistrement W4404629300 · doi:10.1080/02568543.2024.2424356

Benefits of a Mindfulness Social-Emotional Learning Program for Young Children in Northern Uganda

2024· article· en· W4404629300 sur OpenAlexafffund
M. Kyle Matsuba, Amie M. Orsetti

Notice bibliographique

RevueJournal of Research in Childhood Education · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueChild Therapy and Development
Établissements canadiensKwantlen Polytechnic University
Organismes subventionnairesKwantlen Polytechnic University
Mots-clésPsychologySocial emotional learningMindfulnessEmotional developmentDevelopmental psychologySocial changeClinical psychology

Résumé

récupéré en direct d'OpenAlex

Many studies have reported the benefits of mindfulness and social-emotional learning programs on children’s physical and psychological well-being. However, few studies have studied young children in a Global South context. In this study, we compared northern Ugandan children (n = 74) in primary levels 2 through 4 attending a school in which a mindfulness-social-emotional learning (M-SEL) program was implemented to children (n = 80) attending a business-as-usual (BAU) school. Children complete cognitive inhibition tasks before and after program implementation. Teachers completed questionnaires assessing children on anger, sadness, positive affect, and empathic behavior. We also collected children’s academic standardized test scores. Compared to BAU school children, M-SEL program children showed increases in teacher-reported positive affect and empathic behaviors, and decreases in anger and sadness. Children also performed better academically. However, no differences were found on the cognitive inhibition task. The implications of these results are discussed with regard to improving young children’s well-being by scaling up the program to include other schools in other developing countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,042
Tête enseignante GPT0,420
Écart entre enseignants0,377 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Childhood EducationMême sujetChild Therapy and DevelopmentTravaux en français237 207