Measuring secondary school staff confidence and concerns around youth mental health, 2021
Notice bibliographique
Résumé
This study collected data on secondary school staff confidence and worries around delivering mental health content to students. The aim of the study was to assess the psychometric properties of two new measures developed in Canada and previously tested on a sample of elementary school teachers (Linden &Stuart, 2019). A comprehensive mixed-methods survey was developed including the two measures in question: The Teacher Confidence Scale to Deliver Mental Health Content (TCS-MH) and the What Worries Me Scale (WWMS), as well as a measure of mental health knowledge (MHKS; Dooley et al 2014), mental health stigma (RIBS; Evans-Lacko et al, 2011), teacher efficacy (TSES; Tschannen-Moran & Woolfolk Hoy, 2001), and anxiety (DASS; Lovibond & Lovibond, 1995). The survey also included detailed demographic questions, capturing information both about the participants and their schools. Finally, the survey included an open question where participants were asked to describe their experience of addressing mental health in school. Participants were recruited via social media, via Jigsaw, the National Centre for Youth Mental Health in Ireland, and via snowball sampling. In total, n=644 secondary school staff members completed the survey. The majority of the final sample were female (n=514) and were subject teachers (n=444), although n=79 of these teachers also reported having an additional role. The final sample also included school leadership, staff in wellbeing support roles, learning support staff, and non-teaching staff. Less than half of the sample indicated that they had received previous mental health training (n=289) and details of this training was included in n=246 responses. N=359 participants also responded to the open question detailing their experience of addressing mental health in the course of their work. Data on the schools represented in the sample fit well with national figures from the Department of Education from the same year.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».