Changes in rates of special considerations in higher education applications pre and during the COVID-19 pandemic in Victoria, Australia
Notice bibliographique
Résumé
Aims: Since the onset of the COVID-19 pandemic, a significant rise in mental ill-health has been observed globally in young people, particularly among those in their final years of secondary school. Students’ negative experiences coincide with a critical transitional period which can disrupt milestones in social and educational development. This study aimed to use innovative population-level data to map the impact of the pandemic on students entering higher education. Methods: Pre-pandemic (2019/2020) and pandemic (2020/2021) tertiary education application data were obtained from the Victorian Tertiary Admissions Centre. Prevalence of applications for special consideration related to mental ill-health were compared between cohorts across various geographical areas and applicant demographic subgroups. Relative risk regression models were used to understand the role of different risk factors. Results: The rate of mental health-related special consideration applications increased by 38% among all applications (pre-pandemic: 7.8%, n=56916; pandemic: 10.8%, n=58260). The highest increases were observed among students in areas with both extended and close-quarter lockdown experiences, and areas impacted by 2019/2020 black summer bushfires. The increases were higher among year 12 students and students with other special consideration needs (e.g., physical condition, learning disability). Slightly higher increases were observed in areas with higher socioeconomic status, which may potentially be related to inequality in mental health service access. Conclusion: As the consequences of mental health difficulties and academic disruption in youth can be long-lasting, it is critical to establish a mental health support framework both in and outside of higher education to facilitate young people’s recovery from the pandemic.
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 | 0,005 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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 ».