Best practices for supporting researchers’ mental health in emotionally demanding research across academic and non-academic contexts
Notice bibliographique
Résumé
PURPOSE: Researcher mental health in emotionally demanding research (EDR) has been recognized as important, but research to date has often been limited to academic research contexts, qualitative research, or single disciplines. The aim of this study was to identify best practices to promote researchers' mental health in EDR across academic and non-academic contexts. METHODS: Twenty-six researchers experienced in EDR (aged 33-64) were recruited across sectors and disciplines (e.g. sport psychology, palliative care, conflict resolution). Semi-structured online 2:1 interviews were conducted between October 2023 and January 2024. The co-designed interview guide asked questions on best practices at individual and contextual levels when undertaking EDR. Interviews were analysed through reflexive thematic analysis. RESULTS: Three themes were generated: (1) the need for a psychologically informed research culture; (2) actions and principles in the immediate research environment; and (3) researcher boundaries with the research, others, and oneself. Underlying mechanisms across themes included tailored, iterative and flexible, and collaborative. CONCLUSIONS: A shift is needed towards a more psychologically informed research culture to support mental health in EDR. Findings have implications for research organizations, conference organizers, and funders as greater resources are needed for researchers in EDR, regardless of method, discipline, or sector.
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 | 0,462 | 0,403 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,024 | 0,042 |
| Communication savante | 0,027 | 0,020 |
| Science ouverte | 0,008 | 0,032 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».