Student-centred pedagogical practices to support undergraduate student mental health
Notice bibliographique
Résumé
The prevalence of mental illness continues to increase worldwide, and university campuses have not been immune to this trend. A recent national survey found that 43.3% of Canadian post-secondary students indicated anxiety was an “impediment to academic performance” while 30.4% indicated that depression had the same effect. More alarmingly, the same survey found that 2.9% of Canadian post-secondary students attempted suicide in the previous twelve months. At a university the size of Guelph, that translates to roughly 860 undergraduate students. The classroom is the ‘front line’ of education/student interaction and the one common element in every student’s university experience. Instructors play a vital role as both ambassadors of their institutions and as key figures accountable for the learning and growth of their students. The choices they make in their classrooms have an impact that goes beyond course content. Drawing from the University of Guelph’s mission, a guiding principle for my research is commitment “to the highest standards of pedagogy, to the education and well-being of the whole person, to meeting the needs of all learners in a purposefully diverse community”. Using an online survey and semi-structured interviews with students, I hope to determine how instructors’ pedagogical choices positively and negatively impact student mental health. Using this data, I will then design a toolbox of low-risk, easily implementable interventions and recommendations for instructors and program administrators to support student mental health within the science, engineering, technology and mathematics (STEM) classrooms.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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 ».