MétaCan
Menu
Retour à la cohorte
Enregistrement W3118520477 · doi:10.1186/s12889-020-10057-0

Evaluating the impact of Archway: a personalized program for 1st year student success and mental health and wellbeing

2021· article· en· W3118520477 sur OpenAlexafffund
Matthew Kwan, Denver M. Y. Brown, James MacKillop, Sean Beaudette, Sean Van Koughnett, Catharine Munn

Notice bibliographique

RevueBMC Public Health · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcMaster UniversityBrock University
Organismes subventionnairesCanadian Institutes of Health ResearchMinistero dello Sviluppo EconomicoMcMaster University
Mots-clésMental healthSocial connectednessMedical educationBiostatisticsMedicinePublic healthPsychologyNursingPsychiatrySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: First-year students entering postsecondary education must navigate a new and complex academic and social environment. Research indicates that this transition and developmental period can be challenging and stressful - academically, emotionally and socially - and that mental health and wellbeing can be compromised. Additionally, mental health disorders can also compromise students' ability to successfully navigate this transition. In the COVID-19 pandemic, the incoming 2020 cohort of first-year students face heightened and new challenges. Most will have spent the conclusion of high school learning virtually, in quarantine, in an uncertain and difficult time, and are then experiencing their first year of university while living, learning and socializing off-campus, virtually and remotely. In response to COVID-19 and with an appreciation of the considerable stresses students face generally and particularly in 2020-21, and the potential effects on mental health and wellbeing, McMaster University, a mid-sized research intensive university with approximately 30,000 students, has developed an innovative program to support students, called Archway. This initiative has been developed to help to prevent and to intervene early to address common transitional issues students experience that can influence mental health and wellbeing, with the ultimate goals of increasing student connectedness, supports, and retention. METHODS: The current study will use a mixed-method design to evaluate Archway and gain a better understanding of the transition into first-year postsecondary for students who engage and participate in Archway at various levels. The study will not only help to determine the effect of this program for students during COVID-19, but it will help us to better understand the challenges of this transition more broadly. DISCUSSION: Findings have the potential to inform future efforts to support students and protect their mental health and wellbeing through the use of virtual and remote platforms and mechanisms that meet their increasingly diverse needs and circumstances.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,212
Tête enseignante GPT0,568
Écart entre enseignants0,356 · 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

Citations20
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetCOVID-19 and Mental HealthTravaux en français237 207