Emotion Regulation and Psychological Impact of COVID-19 among Post-Graduate University Students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: In early 2020, The COVID-19 became a global public health concern. After the first report of three known cases on 8 March 2020, Bangladesh went on lock-down, and also, educational institutions have been put on an extended lock-down. As a consequence, it put a pause on the students’ academic activity. Aim: The present study aimed to investigate the state of mental health of the postgraduate students in a tertiary educational institution in Bangladesh and the role of emotion regulation strategies they use in managing their well-being. Methods: The present study was designed as a cross-sectional online survey covering 206 young adults. Participants completed questionnaires of Emotion Regulation, Generalized Anxiety Disorder, Depression, COVID-19 concern ratings, and provided demographic information. Results: Students used Cognitive Reappraisal strategy while they were feeling anxious and depressed with Expressive Suppression more often to regulate their depressive state. Both current students and graduates were worried about their future career, and students still studying were highly anxious regarding their academic future. Moreover, not knowing virus infection status made them highly anxious and depressed. Conclusions: The psychological impact of COVID-19 on postgraduate students has been found significantly higher. The trend is somewhat not unexpected as social and daily life functioning has changed remarkably due to COVID-19 pandemic. The present study opens a door for mental health professionals in terms of assessment, points of collaboration, providing intervention and support where needed.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle