College Students and Environmental Disasters: A Review of the Literature
Notice bibliographique
Résumé
College students are a unique population occupying a distinct life-course and transition period between adolescence and adulthood. Although not monolithic in experiences, knowledge, and demographics, this diverse population is particularly susceptible to immediate, short-term, mid-term, and long-term disaster impacts. Recently, disaster research focusing on college students has rightly focused on the ongoing COVID-19 pandemic. Although the pandemic was a public health disaster interrupting social, developmental, and educational processes for students on a global scale, the climate crisis and related environmental disasters continuously threaten college students’ individual development, health, and well-being. Thus, it is critical to understand current knowledge focusing on environmental disasters and college students in order to determine future research needs. This article used the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) approach to examine research on college students and disasters over the past ten years (2014–2023). We identified 67 articles, which we analyzed through a mixed methods approach, including descriptive statistics and thematic analysis. Results indicate that disaster impacts on college students are an understudied topic in the social sciences, especially in an era of more-frequent and -intense environmental hazards. Our findings demonstrate a need to engage college students in disaster research worldwide so that trade schools, colleges, and universities can collaborate with policymakers to build this unique and disproportionately impacted population’s capacity to mitigate against, respond to, and recover from environmental hazards in an ever-changing climate.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».