Housing and psychosocial well-being during the COVID-19 pandemic
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
The loss of psychosocial well-being is an overlooked but monumental consequence of the COVID-19 pandemic. These effects result not only from the pandemic itself but, in a secondary way, from the Non-Pharmaceutical Interventions (NPIs) made to curb the spread of disease. The unprecedented physical distancing and stay-at-home requirements and recommendations provide a unique window for housing researchers to better understand the mechanisms by which housing affects psychosocial well-being. This study draws on a survey conducted with over 2,000 residents of the neighbouring Canadian provinces of British Columbia and Alberta in 2021. We propose a new multi-dimensional model to examine the relationships between the Material, Economic, Affordances, Neighbourhood, and Stability (MEANS) aspects of housing and psychosocial well-being. Our analysis reveals the direct and indirect pathways by which deficiencies in each of these areas had negative effects on psychosocial well-being. Residential stability, housing affordances, and neighbourhood accessibility exert stronger direct impacts on psychosocial well-being than material and economic housing indicators (e.g. size of living space and tenure). Notably, we find no significant well-being differences between different homeowners and renters when we account for other housing MEANS. These findings have important implications for housing policy across pandemic and post-pandemic contexts, suggesting a need for research and policy focus on understanding housing and well-being in terms of non-material aspects, such as residential stability and affordances that housing provides.
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 | 0,001 | 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) | 0,000 | 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