Yoga and Positive Education for Student Mental Health, Self-Compassion, and Vitality: A Mixed-Methods Study
Notice bibliographique
Résumé
With growing need to mitigate the mental health crisis on university campuses, researchers worldwide are seeking to determine effective student mental health promotion strategies, such as positive education (i.e., the teaching of applied positive psychology) and yoga. Nevertheless, a paucity of research appraises the effects of merging positive education and yoga for mental health. Therefore, the purpose of this study was to investigate the effect of a 6-week hatha yoga program on undergraduate positive education students' mental health, self-compassion, and vitality. In this mixed-methods single-case experimental A1BA2 design, 7 volunteer students enrolled in the positive education course completed a 2-week baseline (A1), followed by a 6-week yoga program that included two ≈ 45-minute weekly virtual yoga classes (B), and another 2-week baseline (A2; post-yoga), all while taking their positive education course. Trait variables (mental health, trait self-compassion, and trait subjective vitality) were assessed via validated questionnaires during the baseline phases preceding and following the yoga program, whereas state variables (state self-compassion and state subjective vitality) were assessed immediately before and after one of the weekly yoga sessions. Participants also responded to open-ended journal prompts related to the outcome variables following one of the sessions. Visual, stability, level, trend, and reflexive thematic analyses revealed that yoga practice was associated with improved trait and state well-being outcomes. This research suggests preliminary evidence for yoga and positive education courses as a means of increasing university students' mental health, self-compassion, and vitality both immediately and over time. Suggestions for yoga program implementation and future research are discussed.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».