Strengthening School-Family Collaboration Through Positive Psychology: An Empirical Study in Thai Secondary Schools
Notice bibliographique
Résumé
This research explores enhancing collaboration between schools and families by integrating positive psychology principles based on the PERMA model to strengthen relationships among teachers, students, and parents. The research has two main objectives 1) to develop and implement a school-family collaborative program based on positive psychology; 2) to explore key success factors within the collaborative process that strengthen relationships among educators, students, and parents. The overall goal is to foster holistic development and academic success through structured, psychologically informed engagement strategies. Using an action research design with four phases planning, action, observation, and reflection. The study was conducted in two secondary schools in Thailand, involving 20 school administrators and teachers, 50 parents, and 50 students from each school. During the action phase, structured interventions were implemented, including (1) open-mindedness workshops to foster growth mindset, (2) heart-to-heart communication sessions to build trust, (3) mindset shift strategies to improve adaptability and problem-solving, (4) parental engagement programs encouraging co-learning and mentoring, and (5) school-community partnerships to extend local support. Data were collected via questionnaires, structured interviews, and observational assessments. Quantitative data were analyzed using descriptive statistics, and qualitative data through thematic analysis. Findings show that applying PERMA principles significantly improved communication, engagement, and shared responsibility between schools and families. Key success factors include active involvement of school leaders, clear policies, shared goals, effective management, and a structured framework with dedicated project teams. The study recommends policies and practices to strengthen collaborative efforts, promoting student well-being and academic success through effective school-family partnerships.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».