MétaCan
Menu
Retour à la cohorte
Enregistrement W4390699616 · doi:10.31234/osf.io/t3swh

The Impact of Perceived Racism on the Mental Health and Academic Motivation of International Students in Kerala

2024· preprint· en· W4390699616 sur OpenAlexaff
ALIDA DORIN, Anuradha Baburaj, Paballo K. Lerotholi, Noora Ansar, A Lekshmiparvathy

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueEmotional Intelligence and Performance
Établissements canadiens123 Certification (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychosocialRacismNonprobability samplingPsychologyMental healthSample (material)Inclusion (mineral)Social psychologyPopulationClinical psychologyMedicineSociologyGender studiesPsychiatryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The study explores the psychosocial issues of international students studying in Kerala, and the impact of perceived racism on their mental well-being and academic motivation. Male and female international students (N=32) studying various disciplines under the universities in Kerala were selected for the study through convenience sampling. 10 participants were selected through purposive sampling from the sample population of 32 for a telephonic interview. Content analysis was used for discerning their responses. They reportedlack of inclusion in the classroom, concerns regarding language barriers, academic demotivation, discrimination, and dissatisfaction. Questionnaires were distributed to all the 32participants to measure their perceived racism, academic motivation and mental health.Correlation and t-test were used for statistical analysis. Perceived racism was found to have significant relationships with multiple aspects of mental health and academic motivation, indicating a negative impact on the latter aspects. Being one of the earliest studies concerning the well-being of international students in Kerala, this study highlights the need for further research in the area to better comprehend the problems and resolve them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,454

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,471
Écart entre enseignants0,388 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEmotional Intelligence and PerformanceTravaux en français237 207