Creating Kinship with Nature and Boosting Well-Being: Testing Two Novel Character Strengths-Based Nature Connectedness Interventions
Notice bibliographique
Résumé
Abstract We tested the efficacy of engaging in two novel randomized interventions based on character strengths and engaging with nature on boosting nature connectedness and well-being. In Study 1 ( N = 134, international community adults) and Study 2 ( N = 106, Canadian university students), participants were tasked with noticing how their character strengths were displayed in nature (C in N intervention). In Study 3 ( N = 99, Canadian university students), participants were tasked with using their highest character strength in a new way each day to connect with nature (CS with N intervention). A no treatment control condition was used for comparison. Both interventions significantly boosted nature connectedness ( d s = 0.48, 0.66, 0.67). With respect to well-being, the CS in N intervention significantly boosted transcendent connectedness ( ds = 053, 0.57), elevation ( d = 0.40), and harmony in life ( d = 0.48). The CS with N intervention also significantly boosted transcendent connectedness ( d = 0.43), elevation ( d = 0.48), and harmony in life ( d = 0.50), along with satisfaction of basic need of relatedness ( d = 0.58), flourishing ( d = 0.57), satisfaction with life ( d = 0.44), and positive affect ( d = 0.43). Beneficial effects on nature connectedness and well-being were evident despite there being no significant difference in time spent in nature compared to controls. These findings present a unique contribution to the current literature. To our knowledge, the CS in N and CS with N interventions are the first interventions developed and tested that incorporate character strengths and engagement with nature with the dual goal of boosting nature connectedness and individual well-being.
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 | 0,001 | 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 | 0,001 |
| 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 ».