Examining Linkages between Psychological Health Problems, Socio-Demographic Characteristics and Workplace Stressors in Pakistan’s Academia
Notice bibliographique
Résumé
Scholarly work and research are globally known as stressful and challenging. Teachers may develop different psychological health problems once they are exposed to workplace stressors. Considering it as a serious issue of education sector, this study has examined the linkages between prevalent workplace stressors and psychological health problems in Pakistan’s academia. A cross-section quantitative research design was adopted, whereas data was collected by self-administered questionnaire from a sample of 1189 teachers working within 12 universities of Pakistan. Descriptive statistics were used for analysis of demographic data; Chi-square tests were performed to compare psychological health problems with socio-demographic characteristics, whereas Multivariate Logistic Regression Analysis was run to know the relationship between prevalent work stressors and psychological health problems. Results show that the majority of respondents were male (63.8%), unmarried (58.5%), 25 to 40 years old (78.5%) and working as Lecturers or Assistant Professors (77%), thus their average job experience was 05 to 10 years. Psychological health problems were prevailing more among male, unmarried, less experienced and junior teachers. Such socio-demographic characteristics were potential risk factors for psychological health problems. Furthermore, respondents exposed to work stressors like workload, interpersonal and emotional demands were more likely to develop psychological health problems. Findings of the current study will develop awareness among teachers concerning work stress and psychological health. Such findings can be utilized by policy makers of Pakistan for devising policies about occupational health & safety of teachers. The prevalence of psychological health problems in academia of Pakistan is a recognized workplace issue. Therefore, it needs immediate corrective measures at individual and institutional levels.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».