Enhancing Coping Self-efficacy and Well-being: A Multi-context Study of an Emotion Regulation Program for Preservice Teachers
Notice bibliographique
Résumé
Abstract Globally, pre-service and early career teachers report high levels of stress and emotion regulation difficulties, leading to high rates of burnout and attrition in the first five years of the profession. Therefore, there is an urgent need for the development and evaluation of programming to support pre-service teachers’ emotion regulation and stress management and examine the relevance of the program across cultural contexts. The present study investigated the effectiveness of a program for preservice teachers’ emotion regulation and stress management in Montreal-Canada and Hong Kong-China. Participants were 378 preservice teachers, with 158 from Hong Kong (81.6% women; program group: n = 70) and 220 from Canada (85.9% women; program group: n = 157). Data were collected at three points: before the program, immediately after the program, and two to four weeks after the program. The findings from the latent growth models suggested that both Canadian and Hong Kong program groups displayed significant improvements in coping self-efficacy after participating in the program whereas no changes were detected for well-being. Moreover, the Canadian sample demonstrated significantly higher baseline coping self-efficacy compared to the Hong Kong Chinese sample. Gender and age, considered as covariates in the study, did not yield any significant findings. The study provides valuable insights into the potential benefits of emotion regulation programming for preservice teachers’ coping abilities and emphasizes that such benefits can be comparable across contexts.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».