Racial Discrimination during the COVID-19 Pandemic and Mental Health of Young Adults
Notice bibliographique
Résumé
With the COVID-19 pandemic, there has been an increase in mental health problems in the population worldwide. During the pandemic, individuals from East Asian backgrounds have been blamed for COVID-19 and faced xenophobic attacks, leading to increased incidents of racial discrimination. We administered an online survey to examine (a) associations between in-person and online racial discrimination and mental health (i.e., anxiety and depression) among East Asian university students (n=169) in Canada; and (b) the extent to which coping strategies and ethnic/cultural identity stage (e.g., exploration, resolution, affirmation) moderate the associations between discrimination and mental health. Results from hierarchical regressions indicated that experiencing online racial discrimination predicted more anxiety (b= .263, SE= .070, p< .001) and depression (b= .296, SE= .073, p< .001) symptoms. Using emotion-focused disengagement coping strategies predicted more anxiety (b= .705, SE= .129, p< .001) and depression (b= .763, SE= .127, p< .001). However, identity affirmation (i.e., positive feelings towards ethnic group) predicted less depression (b= -.533, SE= .245, p= .031). Results suggest that exposure to online racial discrimination during the pandemic has a negative effect on East Asian students’ well-being. However, positive feelings towards one’s ethnic identity may protect against mental health problems related to experiences of racial discrimination.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».