Chinese students’ boredom and burnout and their prediction by autonomy supportive learning climate: a latent growth curve modeling
Notice bibliographique
Résumé
Boredom is a prevalent emotional experience in everyday life that negatively impacts an individual's well-being, mental health, and social performance. Students’ burnout is an additional manifestation of poor mental health. Among various elements influencing students’ boredom and burnout, educational-related concepts are prominent as the autonomy-supportive learning climate (ASLC) has been at the center of attention recently as a factor associated with a great level of significant learner consequences. Based on Self-determination Theory (SDT), the importance of a positive ASLC, learning encouragement, and constructive motivation from teachers has been approved in learning as it has a positive effect on learners’ achievement. Accordingly, this study makes efforts to investigate the efficacy of an ASLC that promotes autonomy in reducing students’ boredom and burnout. To this end, 798 respondents from three colleges and universities, who were taught in an ASLC context, participated in this study. They filled out the three questionnaires, boredom, burnout, and ASLC at the onset, middle, and end of the semester. The results through the Latent Growth Curve Modeling (LGCM) as a dynamic research approach, revealed that positive changes in ASLC over time are linked to further reductions in students’ boredom and burnout. Similarly, it can be stated that students with higher perceived levels of ASLC tended to experience greater changes in their levels of boredom and burnout over the course. ASLC uniquely predicts about 50% of the variance in boredom scores and about 61% of the variance in burnout scores. Finally, some implications for academic stakeholders are provided.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».