Leading Practices to Safeguard the Mental Health of Investigators and Trainees in Research Teams
Notice bibliographique
Résumé
Although the stresses associated with academia and graduate studies are well recognized, there remains a gap in our understanding of how best to support the mental health of investigators and trainees in research teams. As part of the Healthy Professional Worker Partnership, we collected insights from trainees, co-investigators, the project director and the co-leads of a trainee support network. Their research involved conducting interviews that sometimes addressed sensitive or traumatic subjects. Using a public health theoretical framework with inductive thematic analysis of exit interviews and written feedback, we developed guidance for safeguarding the mental health of researchers. Key responsive interventions to address mental health challenges included regular training and check-ins, reducing the frequency of the interviews conducted by trainees and applying strategies to handle the mental health impacts of their content, and proactive workload management. Promising practices emerged, such as establishing a trainee support network and a compendium of resources, integrating debrief time, ensuring clear communication, and adapting expectations and timelines. Recommendations emphasize the importance of responsiveness, collaboration and flexibility, alongside a formalized onboarding process. Research teams, especially those that are large, geographically distributed, or undertaking research on challenging issues, need a systematic approach to promotion of mental health, prevention of mental ill-health, and remediation of mental illness. This study offers practical guidance for fostering healthier and more supportive research environments.
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 | 0,191 | 0,168 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,038 | 0,022 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,007 | 0,033 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».