Education-Related COVID-19 Difficulties and Stressors during the COVID-19 Pandemic among a Community Sample of Older Adolescents and Young Adults in Canada
Notice bibliographique
Résumé
The COVID-19 pandemic created significant disruptions to the provision of education, including restrictions to in-person and remote learning. Little is known about how older adolescents and young adults experienced these disruptions. To address this gap, data were drawn from the Well-Being and Experiences study (the WE Study), a longitudinal community-based sample collected in Manitoba, Canada, from 2017–2021 (n = 494). Prevalent difficulties or stressors during in-person learning were less interaction with friends or classmates, worrying about grades, less interaction with teachers, and too much screen time (range: 47.3% to 61.25%). Prevalent difficulties or stressors for remote learning were less interaction with friends or classmates and teachers, less physical activity, worrying about grades, and too much screen time (range: 62.8% to 79.6%). Differences related to sex, education level, financial burden, and mental health prior to the pandemic were noted. From a public health perspective, efforts to re-establish social connections with friends, classmates, and teachers; strategies to manage stress related to worrying about grades or resources to improve grades that have declined; and approaches to reduce screen time in school and at home may be important for recovery and for any ongoing or future pandemics or endemics that impact the delivery of education.
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 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».