Pandemic Nightmares: COVID-19 Lockdown Associated With Increased Aggression in Female University Students' Dreams
Notice bibliographique
Résumé
The COVID-19 pandemic and its associated stressors have impacted the daily lives and sleeping patterns of many individuals, including university students. Dreams may provide insight into how the mind processes changing realities; dreams not only allow consolidation of new information, but may give the opportunity to creatively “play out” low-risk, hypothetical threat simulations. While there are studies that analyze dreams in high-stress situations, little is known of how the COVID-19 pandemic has impacted dreams of university students. The aim of this study was to explore how the dream content of students was affected during the university COVID-19 lockdown period (March–July, 2020). Using online survey methods, we analyzed dream recall content ( n = 71) using the Hall-Van de Castle dream coding system and Fisher's exact tests for sex comparisons. Preliminary results indicate that female students experienced more nightmares as compared to male students. Dream analysis found that, relative to normative American College Student (ACS) samples generated pre-COVID-19, women were more likely to experience aggressive interactions in their dream content, including increased physical aggression. Results indicate that university students did experience changes in dream content due to the pandemic lockdown period, with women disproportionally affected. These findings can aid universities in developing support programs for students by bringing forth an understanding of students' concerns and anxieties as they process the “new normal” of social distancing.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».