“It’s like your days are empty and yet there’s life all around”: A mixed methods, multi-site study exploring boredom during and following homelessness
Notice bibliographique
Résumé
PURPOSE: To identify experiences of boredom and associations with psychosocial well-being during and following homelessness. METHODS: Using a convergent, mixed-methods explanatory design, we conducted quantitative interviews with 164 participants) (n = 102 unhoused; n = 62 housed following homelessness) using a 92-item protocol involving demographic components and seven standardized measures of psychosocial well-being. A sub-sample (n = 32) was approached to participate in qualitative interviews. Data were analyzed by group (unhoused; housed). Quantitative data were analyzed using descriptive statistics designed to generate insights into boredom, meaningful activity engagement, and their associations with psychosocial well-being during and following homelessness. Qualitative data were analyzed using thematic analysis. Quantitative and qualitative findings were integrated at the stage of discussion. RESULTS: Quantitative analyses revealed small to moderate correlations between boredom and increased hopelessness (rs = .376, p < .01), increased drug use (rs = .194, p < .05), and lowered mental well-being (rs = -.366, p < .01). There were no statistically significant differences between unhoused and housed participants on any standardized measures. Hierarchical regression analyses revealed that housing status was not a significant predictor of boredom or meaningful activity engagement (p>.05). Qualitative interviews revealed profound boredom during and following homelessness imposing negative influences on mental well-being and driving substance use. CONCLUSIONS: Boredom and meaningful activity are important outcomes that require focused attention in services designed to support individuals during and following homelessness. Attention to this construct in future research, practice, and policy has the potential to support the well-being of individuals who experience homelessness, and to contribute to efforts aimed at homelessness prevention.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».