MétaCan
Menu
Retour à la cohorte
Enregistrement W4401235793 · doi:10.55849/jnhl.v2i1.939

Coping Strategies In Overcoming Academic Stress Among High School Students

2024· article· en· W4401235793 sur OpenAlexaff
Fitriah Handayani, Bouyea Jonathan, Wang Joshuar, Eladdadi Mark, Chandra Halim

Notice bibliographique

RevueJournal Neosantara Hybrid Learning · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueHealth and Well-being Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCoping (psychology)PsychologyMathematics educationClinical psychology

Résumé

récupéré en direct d'OpenAlex

Academic stress is a problem often faced by high school students, it can affect their mental well-being and academic performance. Coping strategies play an important role in helping students deal with such stress. This study aims to explore various coping strategies used by high school students in dealing with academic stress and its impact on their mental well-being. This research uses a qualitative approach. Data were analyzed using the thematic analysis method to identify patterns of coping strategies used. The results of this study indicate that high school students use various coping strategies to deal with academic stress, such as social support from peers, exercise, and relaxation techniques such as meditation. Students also use problem-solving and cognitive restructuring strategies to change their perceptions of academic stressor situations. The conclusion of this research is that the coping strategies used by high school students play a very important role in helping them overcome academic stress and improve mental well-being. The importance of providing approaches in managing academic stress among students to promote their mental health. This research provides valuable insights for educators and counselors to develop appropriate interventions to support students to deal with academic stress more effectively.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,005
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,368
Écart entre enseignants0,348 · 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.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Neosantara Hybrid LearningMême sujetHealth and Well-being StudiesTravaux en français237 207