Marche consciente et bien-être mental : influence de l’interconnexion
Bibliographic record
Abstract
Ce projet teste si la marche consciente avec le regard élevé (MC-SUP, n=10) affecte l’interconnexion, les activités mentales et le bien-être mental, comparativement à la MC avec le regard baissé (MC-INF, n=12) et mesure les associations entre ces variables, chez des étudiants universitaires. Les participants suivent un protocole de MC quotidienne de 30 minutes, durant trois semaines, selon une des deux directions de regard. Un test de Khi carré, deux ANOVA à mesures répétées et une corrélation de Spearman ont été effectués sur des données d’interconnexion et d’activités mentales récoltées dans un journal de bord et sur les résultats post-intervention à la version française de l’échelle Mental Health Continuum–Short Form mesurant le bien-être mental. Les résultats ne montrent aucune association entre la direction du regard et l’interconnexion X2(20, N = 22) = 19.983, p =.459 ou les activités mentales X2(16, N = 22) = 17.294, p =.367. Une différence significative est observée sur l’interconnexion F(1.87, 37.45) = 10.60, p < .001 et les activités mentales F(2, 40) = 12.216, p < .001 de semaine en semaine. Il existe une corrélation significative positive entre le bien-être mental et l’interconnexion (rhô = 0.464, p = 0.030). Il y aurait donc une progression des effets bénéfiques de la MC en cours d’intervention et un effet significatif du sentiment d’interconnexion, favorisé par la MC, sur le bien-être mental, indépendamment de la direction du regard. Cette étude offre des pistes sur les conditions facilitatrices du bien-être mental par une pratique journalière de MC. Une intervention accessible et pertinente dans un cadre préventif en santé mentale.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".