Performers in a pandemic: A mixed-methods study of university opera singers, pianists, and athletes during the Covid-19 pandemic
Notice bibliographique
Résumé
This mixed-methods study explored the experiences of high performers who experienced disruptions in training and performance during the Covid-19 pandemic. Twenty participants included university-level opera singers ( n = 7), pianists ( n = 6), and athletes ( n = 7), who completed an online survey at three timepoints consisting of demographic information, the BBC Subjective Well-being Scale, the Brief Daily Stressors Screening Tool, and the Coping Self-Efficacy Scale. At each timepoint, participants also completed individual semi-structured interviews regarding stressors, coping strategies, and their overall well-being. Opera singers and pianists had lower global well-being scores across the three timepoints compared to athletes. Pianists demonstrated a decrease in well-being over time, along with decreases in quality of social relationships and physical health. All three groups of performers reported high scores for problem-focused coping self-efficacy, although athletes had higher scores for coping self-efficacy in seeking support, and for stopping unpleasant thoughts. Analysis of the qualitative data indicated similarities in challenges across performers; however, there were differences in the impact of the pandemic on social opportunities, inability to train and perform, concerns about identity disruption, and impacts on career prospects. Opera singers and pianists appeared to reflect more on their identities and the role of performing arts in society during the pandemic. These results shed light on the ways that high performers in different domains were impacted by disruptions due to the Covid-19 pandemic.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».