Comparative Analysis of Stress Levels Among Undergraduate Students at St. John's College, Agra
Notice bibliographique
Résumé
Background Stress is prevalent among college students, impacting their mental health and academic performance. Understanding the distribution and determinants of stress levels in students is crucial for developing effective interventions. This study aims to assess the prevalence of stress and its association with sociodemographic factors among undergraduate students at St. John's College, Agra, India. Materials and methods A descriptive cross-sectional study was conducted between August 1, 2023, and December 31, 2023, involving 160 undergraduate students from B.A., B. Com., and B.Sc. programs. Students were selected using a stratified random sampling technique. Stress levels were measured using the Perceived Stress Scale (PSS), which classifies low, moderate, and high levels. Data were collected through a validated, semi-structured questionnaire administered via Google Forms. Statistical analysis was performed using IBM SPSS Statistics for Windows, Version 29 (Released 2023; IBM Corp., Armonk, New York), with descriptive statistics and chi-square tests used to examine associations between stress levels and sociodemographic variables. Results The study found that 103 (64.4%) of students experienced moderate stress, 34 (21.3%) reported high perceived stress, and 23 (14.4%) had low stress. A significant association was observed between stress levels and gender (p = 0.022), with female students more likely to experience high stress. Additionally, urban students reported higher stress levels than their rural counterparts (p = 0.012). However, no significant differences in stress levels were found across different courses. Conclusion The study reveals a substantial prevalence of moderate to high stress among college students, particularly among females and those from urban areas. These findings suggest the need for targeted stress management interventions to support student well-being. Further research is recommended to explore the underlying causes of stress and develop comprehensive stress reduction strategies in the student population.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».