MétaCan
Menu
Retour à la cohorte
Enregistrement W4409322803 · doi:10.1016/j.ssaho.2025.101385

Qualitative analysis of negative and positive COVID-19 experiences of frontline client educators in a Canadian maritime province

2025· article· en· W4409322803 sur OpenAlexaffabout
Devesh Oberoi, Saraydarian Sandra, Janine Giese‐Davis

Notice bibliographique

RevueSocial Sciences & Humanities Open · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensHatch (Canada)Dalhousie UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakQualitative researchSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PandemicPsychologyQualitative analysisMedicineSociologyVirologySocial scienceOutbreakInternal medicine

Résumé

récupéré en direct d'OpenAlex

The worldwide COVID-19 pandemic dramatically shifted the ways that citizens lived, increasing rates of mental-health concerns. Frontline-worker stress escalated due to health risks while exposing workplaces ill-equipped to adapt to crises. Educators struggling with occupational stress pre-pandemic were particularly hard hit, as were healthcare and mental-health clinicians and systems. In a Canadian maritime province, we launched a longitudinal proof-of-concept study of a virtual-mental-health intervention to improve quality of life for members of a teachers' union. A vital first question was to understand these frontline educators’ lived experiences during COVID-19 prior to receiving intervention. We selected 60 frontline educators (who were actively working) as study participants from our 9-month rolling consecutive enrollment. At baseline, prior to intervention, they completed an online (Qualtrics) survey including COVID-19 exposures, stressors, and open-ended narrative questions reporting their negative and positive experiences. We reported exposures and stressors and conducted thematic qualitative analysis of their negative and positive experience narratives. During this baseline study (June 2021–March 2022), 24 (of 60) educators reported COVID-19 diagnoses in themselves/friends/family, while 1 educator reported the death of a friend. In a pre-set list of COVID-19 stressors, those most endorsed (77–88%; slight to severe distress) included four issues: 1) inability to see family, 2) and friends, 3) working in a face-to-face environment, and 4) isolation. In qualitative analyses, negative COVID-19 experiences included social isolation, mental/physical health declines, work-life imbalance, loss of major-life-transition events, parenting/caregiver burden, and professional stressors. Positive experiences included slowing down and stepping back, shifting priorities, improved wellbeing, intentional connections, practical benefits, and growth and resiliency. Many reported that COVID-19 had an unforeseen “silver lining” allowing these workers to find solace. General-population cross-sectional and longitudinal papers discuss COVID-19 distress and increasingly report positive experiences. Our study differs by examining frontline educators distressed enough to seek mental-health intervention. We find that themes of distress and resilience provide insight into these workers’ experiences and point to ways institutions could foster resilience. • Frontline Educators reported both negative and positive Covid-19 experiences. • Negative: social isolation, mental/physical health declines, work-life imbalance, loss of major-life-transition events, parenting/caregiver burden, and professional stressors • Positive: slowing down and stepping back, shifting priorities, improved wellbeing, intentional connections, practical benefits, and growth and resiliency • Resilience: access to mental health services, pauses during workday for self-care.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,116
Tête enseignante GPT0,530
Écart entre enseignants0,414 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial Sciences & Humanities OpenMême sujetCOVID-19 and Mental HealthTravaux en français237 207