Mitigating risks of students use of study drugs through understanding motivations for use and applying harm reduction theory: a literature review
Notice bibliographique
Résumé
As postsecondary students' use of "study drugs" becomes more popular with increasingly reported negative effects on health and academic performance, failing prohibitionist policies to reduce consumption, and ambiguity in literature towards best practices to address this population, we present a literature review that seeks effective solutions educational institutions can apply to improve outcomes for students who use drugs. Motivations for use, effects of the substances, an analysis of efforts to control use from educational institutions, and suggestions on promoting most effective outcomes based on harm reduction, are described. Theory, quantitative, and qualitative works from systematic reviews, cohort studies, and epidemiological assessments are examined on the "study drugs" methylphenidate, dextroamphetamine, and amphetamine, also known as Adderall, Ritalin, Focalin, and Concerta. There is a focus on postsecondary students ages 18-25 in North America. Results show important risk factors for drug use including low perceived self-efficacy or enjoyment in courses, poor accommodation of special needs, reliance on external validation, having a low GPA, and experiencing a mental health issue. There is much misconception on the health and academic effects of these drugs in literature, among students, and on online knowledge sources. We suggest these drugs do not improve GPA and learning, while they might temporarily increase memory, but with detrimental negative health effects. Campaigns that address underlying factors of use can be most successful in mitigating harms.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».