0339 The Perception of the Negative Impact of Workload and Study Load in Canadian University Students
Notice bibliographique
Résumé
Abstract Introduction Studies showed that university students are at risk of presenting sleep difficulties. Various factors, including academic workload, and employment status can significantly impact their sleep. The present study aimed to investigate specific factors affecting sleep quality in Canadian university students. Methods A total of 1169 Canadian university students completed an online survey. Information about classes, hours devoted to study and work, and the negative impact of their studies and paid work on their sleep was gathered. A multiple regression and a simple linear regression analyses were done to verify the contribution of 1) study load and 2) workload (job) on the perception of a negative impact on sleep. Results In total, 64.8% of students were enrolled in at least 4 classes. They spent an average of 23.9 hours per week on their studies. A total of 47.3% reported a negative impact of 7 and more out of 10 (10 being the worst) of their studies on sleep. Analyses on study load show a significant model (F(2, 865)=33.13, p< 0.001) that explained 7% of the variance in the perception of a negative impact of studies on sleep. Results show that being enrolled in more classes (b=.29, t(865)=4.92, p<.001) and devoting more time to their studies (b=.03, t(865)=5.42, p<.001) significantly predict perception of a higher negative impact of studies on sleep. In total, 65.6% of students reported having a job, working an average of 20.1 hours per week. Results show that 56.1% reported a negative impact of 7 or more of their job on sleep. Analyses on workload show a significant model (F(1, 578)=109.91, p<.001) that explained 16% of the variance in the perception of a negative impact of their job on sleep. Results suggest that a higher number of hours worked (b=.10, t(578)=10.48, p<.001) significantly predict perception of a higher negative impact on sleep. Conclusion These results raise important issues regarding the study-work-sleep balance of Canadian university students. Many of them have a heavy study load, while many also have a job. Given the importance of sleep for mental health and cognitive performance, these results are of great concern. Support (if any)
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 | 0,000 | 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 ».