The study of the psychological health of Ukrainian educators during the russian-Ukrainian War
Notice bibliographique
Résumé
Under wartime conditions, Ukraine faced a critical decline in the psychological well-being of its citizens. Anxiety, fear, depression, and aggression were identified as indicators of a deteriorated psychological state. This trend also affected the educational community, whose members were expected to remain calm and bear responsibility for children. The aim of the article was to present the results of an empirical study examining the psychological health of educators of various age groups working during wartime. Empirical data analysis methods were employed, including psychodiagnostic testing, statistical averaging, and percentage ratio analysis. The article introduced a model of psychological health consisting of spiritual-meaningful, social, mental, and psychosomatic components, the development level of which determined overall psychological health status. The study revealed that one-third of respondents (37.4%) demonstrated a high level of psychological health; one quarter (27.5%) showed an above-average level; while 17.6% exhibited a below-average psychological condition. A relatively high proportion (17.6%) of educators were found to have a low level of psychological health, negatively affecting their professional performance. Specific manifestations of psychological health across different age groups were identified. Educators aged 19-24 demonstrated the lowest psychological well-being, hindering their professional self-fulfilment during wartime. Those aged 25-39 showed adaptive resilience, with good psychological health enabling productive work. The psychological health of educators aged 40-66 was generally above average and remained relatively stable despite the war. It was established that higher-order psychological health components (spiritual-meaningful and social) were sufficiently developed among modern educators, while the most vulnerable components were the psychosomatic and particularly the mental ones.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».