The Impact of COVID-19 on the Mental Health of College Students
Notice bibliographique
Résumé
COVID-19 changed the world in the span of a few months. Schools and other businesses had to close and move to an online format to decrease physical interaction and stop the spread of the virus. Many people went without seeing close friends and loved ones due to the quarantine or lost someone close to them due to the virus. Students enrolled in college were sent home abruptly and could not return in person to school for the remainder of the year. Even when they were allowed to return to school, new guidelines and how classroom content was delivered were put into effect. Quarantine and the pandemic caused the mental health of many students to decline. COVID-19 also caused an increase in other stressors, such as financial stability, lack of food, or housing options. The purpose of this study is to research how COVID-19 impacted the mental health of college students. This cross-sectional survey study used a convenience sampling of 15 college students within a specific department at a private university in West Texas. A hierarchical regression analysis shows that the increase in stressors, such as housing and financial stability, was a statistically significant factor in mental health after COVID-19. Based on the findings, universities and communities will need to expand mental health resources, as well as services that provide other needs such as food and financial help. More studies with larger sample sizes on this issue would be beneficial in order to better understand the impact COVID-19 had on the mental health of college students.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».