One Week, Many Ripples: Measuring the Impacts of the Fall Reading Week on Student Stress
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
More and more Canadian post-secondary institutions are introducing a fall break into their term calendars. In 2015, a full week fall break was introduced at our university in order to enhance academic performance and improve mental health amongst students. Our interdisciplinary team surveyed undergraduate students at our university about their experience of the fall break, collected standardized measures of experienced stressors and perceptions of stress before and after the break, and hosted several focus groups to develop a detailed narrative of students’ experience. Stress can also be assessed through non-invasive hormone measures. We collected saliva samples to profile metabolic hormones, cortisol, and dehydroepiandrosterone (DHEA), from first-year male engineering students in order to document possible changes in their stress levels before and after the week-long break. This group was compared to male engineering students at a similar university that does not hold a fall break. Students exhibited a lower ratio of cortisol to DHEA after a fall break than those that did not experience a break. Our survey results indicate that the majority of students thought the fall break was a positive experience. However, self-reports of stress show a more complex picture, with many students reporting increased perceived stress after the break. Additionally, a portion of students reported that the fall break was a negative experience. To the best of our knowledge, our study is the first of its kind to use a mixed-methods approach to examine the impacts of a fall break.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle