Predictors of self-esteem in adults who are homeless or unstably housed
Notice bibliographique
Résumé
The adverse conditions associated with living with no fixed address give rise to many physical and mental health issues. There is a rich history of research on homelessness that focuses on related health deficits. Emerging positive psychological literature has illuminated the importance of identifying the personal strengths and potentialities of individuals who are homeless. Self-esteem is a strength that has been extensively researched in positive psychology and has been characterized as a causal force underlying many of the psychological challenges facing people who are homeless. Indeed, self-esteem has been identified as a predictor or mediator/moderator in relationships with other psychological concepts critical to adults who are marginalized. That said, few studies have examined how subjective quality of life (QoL), depression, and health conditions act as predictors of self-esteem in populations that are homeless. Secondary data from the Quality of Life for Homeless and Hard-to-House Individuals (QoLHHI) study (N = 239) was analyzed using multiple regression in SPSS to determine if, and to what degree, subjective QoL, depression, and health conditions predict self-esteem in individuals who are homeless or unstably housed. Participants were recruited from shelters, single room occupancy (SRO) hotels, and other services in three Canadian cities – Vancouver, Calgary, and Ottawa. Findings reveal that the two psychological variables – subjective QoL and depression – were the only statistically significant predictors of self-esteem in the model, with Pratt’s index showing that depression was the most important variable. Possible implications for improving the lives of adults who are homeless, from a positive psychological perspective, may be helpful to a variety of professions, such as policy makers, researchers, and clinicians.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».