Stress, Coping, and Well-being in Teachers and School Administrators
Notice bibliographique
Résumé
This study explored educators’ self-reported state of well-being, perceived stressors, and use of coping strategies. Data collection consisted of an online survey and semi-structured focus groups. In total, 115 educators completed the online survey and 18 educators participated in the focus groups. Educators reported overall experiences of poor well-being, low resilience, high levels of compassion fatigue, and high levels of emotional exhaustion. Participants identified ongoing stressors related to supporting student learning and well-being, overseeing classroom environments, navigating limited community-based resources and supports, and managing increasing administrative demands and functions. Implications of the findings for practice are discussed. Keywords: Stress; Coping; Well-being; Educators; Mental Health Cette étude a exploré l'état de bienêtre déclaré par les éducateurs, les facteurs de stress perçus et l'utilisation de stratégies d'adaptation. La collecte des données a consisté en une enquête en ligne et des groupes de discussion semi-structurés. Au total, 115 éducateurs ont répondu à l'enquête en ligne et 18 éducateurs ont participé aux groupes de discussion. Les éducateurs ont fait état d'expériences globales de malêtre, de faible résilience, de niveaux élevés d'usure de la compassion et de niveaux élevés d'épuisement émotionnel. Les participants ont identifié des facteurs de stress permanents liés au soutien de l'apprentissage et du bienêtre des élèves, à la supervision des environnements de classe, à la navigation dans les ressources et soutiens communautaires limités, et à la gestion des demandes et fonctions administratives croissantes. On discute des implications des résultats pour la pratique. Mots clés : stress ; adaptation ; bienêtre ; éducateurs ; santé mentale
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 | 0,001 |
| 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) | 0,004 | 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 ».