Personal goal setting in university students : effects on academic achievement, executive functioning, personality, and mood
Bibliographic record
Abstract
Le quart des étudiants inscrit dans un programme universitaire ne termineront pas leurs études. Les causes qui précipitent cet abandon incluent une faible progression académique, un manque de motivation, ainsi qu’une absence de buts clairement établis. Une des raisons principales pouvant expliquer ce manque d’ajustement à la vie universitaire peut également s’expliquer par l’incapacité des étudiants à assimiler de nouvelles expériences sur le plan cognitif. Des études récentes ont démontré que se donner des objectifs aide à développer un sentiment accru de bien-être. La recherche neuroscientifique a aussi établi un lien étroit entre la mémoire de travail (MT) et la capacité de se fixer des objectifs. C’est à dire, la MT est reliée au déploiement des ressources attentionnelles, qui en retour sont importantes dans la planification et l’élaboration de stratégies pour faciliter l’atteinte d’un but ainsi que le retour sur l’état de ces buts. Cette étude vise à découvrir si l’utilisation d’un programme avec des objectifs claire peut avoir des bienfaits sur le plan académique, le bien-être, la personnalité (stabilité émotive et l’état de conscience) et le fonctionnement cognitif (MT) d’étudiants à faible rendement académique. Des étudiants (N = 101) en difficultés scolaires et ayant une note pondérée de moins de 3.0/4.0 ont été recrutés à l’Université McGill. Ceux-ci ont complété des tests mesurant leur bien-être, personnalité, fonctionnement cognitif et ont ensuite été assignés par hasard soit au groupe expérimental (assignation intensive d’objectifs) ou au groupe contrôle (intervention neutre apparaissant efficace). Chaque mois, pendant quatre mois, les étudiants ont rempli des questionnaires sur leur état émotionnel. [...]
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".