Understanding the Mental Health Experiences of Autistic Students in Higher Education: A Mixed Methods Approach
Notice bibliographique
Résumé
Abstract Background: Mental health issues like depression and anxiety are a persistent problem among higher education students, especially students on the autism spectrum. The reasons behind autistic students’ high rates of mental health problems remain unclear, with few studies addressing this topic. However, several factors impacting mental health have been identified within autistic adults and non-autistic higher education students separately, such as perceived campus climate, internalized stigma, and camouflaging (attempts to hide one’s autism). Method: In this exploratory mixed methods study, I combined semi-structured interviews and online surveys to investigate factors associated with mental health among a sample of autistic students attending the University of Calgary (UCalgary). Quantitative analyses included collecting descriptive statistics from the survey and running correlations between mental health outcomes (e.g., stress, quality of life) and potential factors (e.g., campus climate, stigma, camouflaging), while qualitative analysis consisted of reflexive thematic analysis of interview data to understand participants’ lived experiences with mental health. Results: Based on 12 surveys and 10 interviews, several key findings emerged. First, participants reported high levels of depression, anxiety, and stress. Second, autism-specific quality of life was negatively correlated with stigma but positively correlated with camouflaging and campus climate; no other correlations between factors and mental health outcomes reached significance, although stigma and camouflaging had a strong negative correlation. Finally, three key themes were developed from the interviews: 1) autistic students have heterogeneous experiences with mental health; 2) mental health is affected by personal autism identity and societal-level messages about autism, including stigma; and 3) the UCalgary environment has both positive (e.g., providing autism-specific supports) and negative (e.g., too much sensory input) influences on mental health. Collectively, these findings support past literature and underscore the need to increase mental health support for autistic students. Conclusions and Impact: These initial findings highlight how a variety of individual and environmental factors contribute to autistic students’ mental health. Addressing these factors can create more inclusive environments at higher education institutions like UCalgary, thus fostering well-being and academic success for autistic and non-autistic students alike.
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 | 0,031 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».