Impact of a virtual workshop on mental health literacy and self-efficacy among Canadian postsecondary educators
Notice bibliographique
Résumé
Mental health concerns are increasing for postsecondary students and often exceed supportive capacity. Research highlights the importance of mental health literacy (MHL) training for educators; few studies have evaluated a program designed to improve it. The purpose was to assess the impact of a two-session, virtual workshop offered 10 weeks apart for postsecondary educators on MHL and self-efficacy to recommend mental health resources to students. Content was co-created and delivered in collaboration with the university's Student Health and Wellness department. Validated questionnaires were used to assess MHL, self-efficacy, and psychological well-being before and after each session. Open-ended questions were posed following the second session to explore experiences. Educators at the host institution who did not enrol were invited to complete the same quantitative measures to serve as comparative data. Seven participants attended both workshops and were included in the analysis. Scores for MHL and self-efficacy increased following each session and were highest following the second, revealing medium and large effect sizes, respectively. Post-workshop MHL and self-efficacy scores were higher for workshop attendees compared to their institutional counterparts (n = 28). Positive experiences (e.g. group camaraderie, improved empathy and understanding, workshop utility) were noted qualitatively. Findings suggest that this type of virtual workshop may be valuable for equipping educators with knowledge and self-efficacy to enhance student mental health. Postsecondary wellness centre partnerships should be considered to facilitate reach of mental health education and resources. Involving educators who have direct contact with students can foster a whole campus approach to mental health.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».