MétaCan
Menu
Retour à la cohorte
Enregistrement W4411152824 · doi:10.5539/jel.v14n6p34

Longitudinal Associations Between Lifestyle Habits and Perseverance and Academic Achievement Among Canadian Postsecondary Students

2025· article· en· W4411152824 sur OpenAlexvenueaboutno aff
Rachel Surprenant, Isabelle Cabot

Notice bibliographique

RevueJournal of Education and Learning · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueGrit, Self-Efficacy, and Motivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyPostsecondary educationAcademic achievementLongitudinal studyEducational attainmentHigher educationDevelopmental psychologyMathematics educationMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

This study aims to examine the longitudinal associations between lifestyle habits of students at the beginning of their postsecondary education and their perseverance and academic achievement one year later. The convenience sample consists of 2124 students enrolled in the fall semester of 2023 at eight educational institutions (58% women, 42% men). Academic data on perseverance and achievement were provided by the institutions at two time points: fall semester 2023 (Time 1) and fall semester 2024 (Time 2). Participants self-reported their lifestyle habits, age, gender, parental education level, and personal income. Results show that better stress management is associated with a higher likelihood of academic perseverance one year later (Odds Ratio [OR] = 1.48, 95% CI: 1.01, 2.16, p < .05), while higher frequency of daily vaping is negatively associated with perseverance (OR = .96, 95% CI: .92, 1.00, p < .05). Regarding academic achievement, daily breakfast consumption (b = 3.03, 95% CI: .45, 5.54, p < .05) and low alcohol consumption (b = .38, 95% CI: .09, .69, p < .05) are positively associated with better academic performance one year later, while vaping frequency (b = -.31, 95% CI: -.58, -.04, p < .05) is negatively associated with it.

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)0,002
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 enseignants0,061
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,355
Écart entre enseignants0,334 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetGrit, Self-Efficacy, and MotivationTravaux en français237 207