Changes in Student Well-Being during the First School Year of the COVID-19 Pandemic: Impacts of School Closures and Learning Modality
Notice bibliographique
Résumé
The COVID-19 pandemic significantly disrupted adolescents’ physical, social, and academic lives. Due to this, how adolescents’ well-being was impacted during the COVID-19 pandemic has been a top priority within research, but results produced have been inconsistent regarding the types of symptoms experienced and the severity. Therefore, the current study aims to answer how adolescent well-being (behavioural concerns and adaptive functioning) was impacted during the first school year of the COVID-19 pandemic, specifically during periods of school closures and in relation to learning modality. The current study used a longitudinal dataset from Alberta, Canada of participants aged 12 to 18, N = 911. At four timepoints between September 2020 and June 2021, students reported information on demographics and learning modality (in-person, virtual, and hybrid). Additionally, youth completed the Behaviour Intervention Monitoring Assessment System (BIMAS-2), a measure of behavioural concerns (negative affect, cognition/attention concerns, conduct behaviours) and adaptive functioning (social and academic functioning). Using LGM and RM MANCOVA/ANCOVA analyses, results indicated that from September 2020 to June 2021 negative affect and cognition/attention concerns increased, albeit scores continued to fall into a non-clinical range. Females endorsed higher rates of all behavioural concerns, and poorer social functioning. Further, students whose parents completed higher levels of education endorsed higher adaptive functioning. School closures had minimal impacts to well-being. Finally, learning modality was not associated with changes in behavioural concerns but receiving in-person education had some effects on social functioning and academic achievement. These results indicate that while there were some decreases in well-being, overall, youth were resilient. This information may be relevant to apply to short-term periods of online/hybrid learning and to use in cases where school closures are required.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».