Trends in Post-Secondary Student Stress: A Pan-Canadian Study
Notice bibliographique
Résumé
Objective Previous research has evaluated the sources of post-secondary student stress, but has failed to explore whether stressors fluctuate over time. The purpose of this research was to use the Post-Secondary Student Stressors Index to examine whether stressors changed significantly and meaningfully over the course of an academic year. Due to the timing of data collection, results also provide context around students’ experiences of stress during the COVID-19 pandemic. Method Cross-sectional data was collected at 3 time points via online surveys over the course of the 2020–2021 academic year from >10,000 students. Participants attended 15 post-secondary institutions across Canada, representing 9 provinces and 1 territory. Validated instruments were used to assess levels of stress, distress and the severity of student-specific stressors. Kruskal–Wallis ranked tests and multiple pairwise comparison analyses were conducted to assess whether the mean severity of stressors changed over time. Standard effect sizes were calculated using Cohen's d. Results Mean levels of stress and psychological distress were high at the start of the study and remained high across time points. A similarly high level of stress was observed on average for student-specific stressors. While significant differences in mean severity were observed over time for some stressors, standardized effect sizes were negligible, suggesting little meaningful change and consistent levels of chronic stress over the course of the academic year. Conclusions This is the first paper to examine trends in student-specific stress using a nationwide sample of Canadian post-secondary students during the first year of the COVID-19 pandemic. Patterns observed in student-specific stressors reflected changes likely to be indicative of the pandemic, including the most severe stress associated with academics, finances and concerns for the future. Implications for future research are discussed, in particular, the importance of examining stressors related to COVID-19 and their impact on student mental health.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».