Teacher mental health and workplace well-being in a global crisis: Learning from the challenges and supports identified by teachers one year into the COVID-19 pandemic in British Columbia, Canada
Notice bibliographique
Résumé
The COVID-19 pandemic and related school disruptions have led to increased concerns for the mental health of teachers. This study investigated how the challenges and systemic supports perceived by teachers during the COVID-19 pandemic were associated with their mental health and workplace well-being. This cross-sectional, survey-based study was conducted in February 2021, just prior to the third wave of the pandemic in British Columbia (BC), Canada (N = 1,276). Four multivariable linear regression models examined the associations between teachers' pandemic-related challenges (pandemic-related personal stressors, teacher workload, difficulty implementing safety measures, meeting students' needs), systemic supports (education system mental health and well-being support), and four mental health (psychological distress, and quality of life) and workplace well-being outcomes (job-related positive affect, turnover intentions), adjusting for sociodemographic and school characteristics. The Pratt index (d) was used to assess the relative importance of each predictor. A thematic qualitative analysis was conducted on teachers' open-ended responses. Teachers' workplace well-being (job-related positive affect and turnover intentions) was predominantly associated with their perceptions of education system support for their mental health and well-being (d = 46%, d = 41%, respectively). The most important predictor of general mental health (psychological distress and quality of life) was the number of COVID-19 related personal stressors teachers reported (d = 64%, d = 43%, respectively). The qualitative analyses corroborated and expanded upon the quantitative findings. Understanding pandemic-related challenges and supports impacting teacher mental health and workplace well-being equips us to make evidence-informed policy decisions to support teachers now and in future school disruptions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».