Resilience during the COVID-19 Pandemic: Vulnerabilities and Capacities of International Students
Notice bibliographique
Résumé
Background: The COVID-19 pandemic has amplified the vulnerabilities of marginalized groups such as migrants, ethnic minorities, and low socioeconomic populations. International students are often members of these marginalized groups. Yet, international students’ vulnerabilities and capacities during disasters remain overlooked. The aim of this study was to explore the material, social, and attitudinal vulnerabilities and capacities of international students studying at a postsecondary institution in Calgary, Canada during the COVID-19 pandemic. Methods: We conducted a qualitative descriptive study involving 11 semi-structured interviews with international students who were studying at a postsecondary institution in Calgary at the time the pandemic disrupted in-person learning. Data were analyzed using deductive thematic analysis and guided by the Capacities and Vulnerabilities Analysis framework. Results: International students’ material vulnerabilities included balancing finances, housing conditions, lack of information, food inaccessibility, reliance on public transport, and poor mental health. Social vulnerabilities included lack of social support, culture shock, and racism, and attitudinal vulnerabilities included feeling there is “nowhere to go”, feeling like a burden, and perceiving Canada as safe. Material capacities included financial support, knowledge about pandemic, and mental health supports. Social capacities included local social support and multilingualism, and attitudinal capacities included resilience, religious and spiritual beliefs, the perception that “it’s not just about you”, and reflexivity. Conclusion: While international students were vulnerable to the impacts of the COVID-19 pandemic, their capacities uniquely facilitated their ability to cope. International students’ capacities should be leveraged in disaster responses to sustainably alleviate their vulnerabilities.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».