MétaCan
Menu
Retour à la cohorte
Enregistrement W2644679067 · doi:10.5430/ijhe.v6n3p178

Mental Health and Academic Success of First-Year College Students

2017· article· en· W2644679067 sur OpenAlexvenueno aff
Tammy Jordan Wyatt, Sara B. Oswalt, Yesenia Ochoa

Notice bibliographique

RevueInternational Journal of Higher Education · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthPsychologyCollege healthOccupational safety and healthClinical psychologyAssociation (psychology)Medical educationMedicinePsychiatryFamily medicine

Résumé

récupéré en direct d'OpenAlex

The prevalence and severity of mental health issues are increasing among college students, and such issues pose a threat to health and academic performance. Responses from 66,159 undergraduate students about mental health and academics from the American College Health Association-National College Health Assessment II were examined using regression analyses. Differences in mental health diagnoses were found by classification with first-year students reporting higher rates of self-injury and seriously considering suicide. Upperclassmen reported higher rates of academic impact from mental health factors. Findings indicate one’s first-year of college as the prime time to promote awareness of and strategies to prevent mental health issues or negative academic effects; implications for first-year experience programs 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,534
Écart entre enseignants0,466 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations92
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207