MétaCan
Menu
Retour à la cohorte
Enregistrement W3166598026 · doi:10.28945/4790

The Mental Health and Well-Being of Master’s and Doctoral Psychology Students at an Urban Canadian University

2021· article· en· W3166598026 sur OpenAlexaffabout
Katey Park, Annabel Sibalis, Brittany Jamieson

Notice bibliographique

RevueInternational journal of doctoral studies · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBurnoutMental healthPsychologyStressorAnxietyDistressMentorshipSocial supportClinical psychologySocial psychologyMedical educationPsychiatryMedicine

Résumé

récupéré en direct d'OpenAlex

Aim/Purpose: Although the high rates of stress and psychological distress in graduate students has been well-documented, Canadian samples are underrepresented in the extant literature. The present study explores prevalence rates of burnout and psychological distress in a sample of psychology master’s and doctoral students at a university in a large urban Canadian city, as well as factors relating to their well-being, social support and stress. Background: There are economic and productivity setbacks stemming from high stress and mental health challenges. Burnout and psychological distress of graduate students are associated with hindered academic progress, mental and physical health challenges, and reduced productivity. Further, emotionally exhausted doctoral students are at heightened risk for non-completion of their degrees. Methodology: Sixty-two psychology graduate students completed an online survey that assessed burnout, psychological distress (anxiety, depression, and stress symptoms), perceived social support, collegiate sense of community, financial strain, and rank-ordered nine domains of graduate school stressors. Contribution: The present paper contributes to the body of knowledge that graduate students residing in an urban Canadian city experience high rates of burnout and psychological distress. High levels of social support outside the academe were not protective factors in mitigating burnout. Findings: Participants reported high levels of perceived social support and sense of community. However, over half (60%) of respondents met criteria for burnout, and one in three students met criteria for problematic levels of stress, anxiety, and/or depression. In a rank ordering question, “thesis, dissertation or other research”, “classwork” and “finances” ranked in the top three most stressful aspects of graduate school for respondents. Recommendations for Practitioners: Graduate students experience unique stressors related to their mental health and well-being that differ from undergraduate students and young working professionals. Mental health practitioners may be better equipped to support graduate students with knowledge of these specific factors impacting mental health and well-being. Recommendation for Researchers: Based on these findings, four areas of recommendations for psychology graduate institutions and training programs are discussed. These recommendations highlight the need for change across systemic levels and call for integrative efforts to improve wellbeing for psychology graduate students. Impact on Society: Enhancement of doctoral student well-being could contribute to long-term benefits in academia and in higher education. Future Research: The study took place before the emergence of COVID-19, which has undoubtably impacted graduate students globally. Research on student experiences during this unprecedented time is needed, as are additional supports (e.g., virtual programming to reduce social isolation; contingency plans for data collection).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,253
Score d'incertitude au seuil0,934

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,481
Écart entre enseignants0,375 · 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 tête enseignante, 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

Citations27
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of doctoral studiesMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207