Redefining self-care through positive education: university student perspectives
Notice bibliographique
Résumé
Faced with innumerable stressors and responsibilities, university students are particularly susceptible to mental health and well-being challenges. Self-care practices have been shown to help mitigate stress and health problems. One way university students can learn self-care practices is through positive education, the teaching of positive psychology. However, minimal research has assessed the role positive education plays in students’ self-care behaviours. Therefore, the purpose of this study was to explore the impact of an undergraduate positive education course on students’ self-care practices and, in turn, their mental health, quality of life, and happiness. Five undergraduate students participated in a focus group to discuss their experiences in a positive education course offered at a large Canadian university. With 75 students across two sections, the course consisted of 12 weekly three-hour sessions, combining theoretical teachings in positive psychology with practical activities to foster student well-being and flourishing. Reflexive thematic analyses revealed that the course encouraged students to engage in self-care practices which, by extension, enhanced their mental health, quality of life, and happiness. There was a general consensus among participants that these improvements stemmed from increased self-kindness, slowness, awareness, and particularly social connection. In fact, the participants learned to prioritize both themselves and their social relationships as essential aspects of self-care. These findings support the importance of offering positive education courses in university settings and demonstrate the benefits of promoting self-care as both an individual and collective practice in these courses.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».