Collaborative Application of Resilience Education (CARE): Fostering Resilience to Combat Depression and Anxiety in Graduate Students
Notice bibliographique
Résumé
Background: Graduate students experience depression and anxiety at rates six times higher than the general population. A literature review of resilience education and an environmental scan of existing preventative resources found that current university-provided mental health interventions are primarily reactive, short-term, and crisis-oriented. There remains a need for preventative resources that prepare students to effectively face adversity and maintain wellbeing during graduate school. 
 Purpose: In collaboration with experts in mental health, psychology, pedagogy, resource development, and graduate students themselves, our team aims to develop and implement a proactive, skill-based resource that teaches strategies to foster resilience in graduate school while emphasizing the importance of self-care, self-awareness, and help-seeking. 
 Methods: Our new co-created resource is to be assessed in three phases: (1) Qualitative Needs Analysis, (2) Intervention Ideation, and (3) Resource Validation. All participants for this study will be graduate students in the first two years of their degree and recruited from the University of Toronto Temerty Faculty of Medicine (TFM). Phase One will be conducted through qualitative focus groups to explore student needs and experiences with mental health resources. Focus group data will be transcribed and analyzed using NVIVO to establish criteria for our resource prototype. In Phase Two, all data, in addition to input from a student advisory committee composed of TFM graduate students, will be compiled to design our prototype. In Phase Three, focus groups will assess the prototype and provide their feedback on the content and functionality of the resource, and where it might be improved.
 Anticipated Results and Potential Implications: Overall, we anticipate that this resource prototype will leave a positive impression on the Phase Two participants, helping them build their resilience-based skills and strategies for facing adverse events. Overall, given the correlation between increased resilience and improved mental health, we expect that this resource will reduce levels of depression and anxiety for students by preparing them for the stress they experience in graduate school. If successful, this resource may be adapted to address the needs of graduate students in different departments, universities, and institutions worldwide.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».