Identifying key areas of post-secondary student stress: Principal component analysis of the Post-Secondary Student Stressors Index (PSSI)
Notice bibliographique
Résumé
Stress and mental health problems are prominent in Canadian postsecondary populations. Experiences of stress vary widely across the country due to student differences. The Post-Secondary Student Stressors Index (PSSI) is a 46-item inventory that assesses student-specific stressors. The PSSI has previously been validated in Ontario and Canada more broadly. However, as a new scale, the PSSI requires validation across different contexts. The purpose of this study was to use the PSSI to determine the areas of stress specific to the Manitoba population, utilizing more detailed information on severity and frequency of stress. Data were drawn from a Manitoba subset of the PSSI respondents. This resulted in a sample size of 2856 students from the University of Manitoba. Each item on the PSSI-46 was transformed into a new variable representing the inclusion of the frequency and severity variables for each stressor. Principal component analysis (PCA) was used to explore relationships between the 46 items of the PSSI. Direct oblimin rotation method was used to examine fit indicators. Spearman's rho was used to examine correlations between the revised PSSI score and those on other instruments. Cronbach's alpha was used to determine the internal reliability. The PCA produced 10 stress components consisting of 40 items. Six items did not load onto any components and were therefore excluded from component formation. The components demonstrated strong psychometric properties and internal validity. This study utilized the PSSI measure in a novel way, both through context and statistical assessment. These components of stress may be employed in future research that assesses post-secondary student stress.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».