COVID-19 and Student Well-being: Stress and Mental Health during Return-to-School
Notice bibliographique
Résumé
Students have been multiply impacted by the COVID-19 pandemic: threats to their own and their family’s health, the closure of schools, and pivoting to online learning in March 2020, a long summer of physical distancing, and then the challenge of returning to school in fall 2020. As damaging as the physical health effects of a global pandemic are, much has been speculated about the “second wave” of mental health crises, particularly for school-aged children and adolescents. Yet, few studies have asked students about their experiences during the pandemic. The present study engaged with over two thousand (N = 2,310; 1288 female; Mage = 14.5) 12-18-year-old Alberta students during their first few weeks of return-to-school in fall 2020. Students completed an online survey that asked about their perceptions of COVID-19, their fall return-to-school experiences (84.9% returned in-person), their self-reported pandemic-related stress, and their behaviour, affect, and cognitive functioning in the first few weeks of September. The majority of students (84.9%) returned to school in person. Students reported moderate and equal concern for their health, family confinement, and maintaining social contact. Student stress levels were also above critical thresholds for 25 percent of the sample, and females and older adolescents (age 15-18 years) generally reported higher stress indicators as compared to males and younger (age 12-14 years) adolescents. Multivariate analysis showed that stress indicators were positively and significantly correlated with self-reported behavioural concerns (i.e., conduct problems, negative affect, and cognitive/inattention), and that stress arousal (e.g., sleep problems, hypervigilance) accounted for significant variance in behavioural concerns. Results are discussed in the context of how schools can provide both universal responses to students during COVID-19 knowing that most students are coping well, while some may require more targeted strategies to address stress arousal and heightened negative affect.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».