Online schooling as a predictor of loneliness: a cross cultural perspective
Notice bibliographique
Résumé
Loneliness has been both theorised with regards to its onset and development and studied with respect to its prevalence among undergraduate students and its effects on cognition and physiology by social scientists both generally and specifically to young adults. Research has studied the prevalence of loneliness and multiple specific effects at an undergraduate level e.g. how loneliness effects each gender. However, the extensive body of literature involves undergraduate students who experience in-person classes. With the mass introduction of online teaching as a response to the covid-19 pandemic, this study aimed to fill the gap in the literature by providing a cross cultural perspective between two countries (Ireland and Canada) as to whether a relationship exists between loneliness and hours spent proportionately both in-person and online. Additionally, type of residence was factored in allowing for a greater and novel understanding as to how that predicts loneliness. Participants (N = 157) were recruited both through social media using voluntary response sampling and through recruitment websites using simple random sampling. Participants shared relevant demographic information and completed the UCLA Loneliness Scale. Results of a multiple linear regression found that in-person hours, online-hours, and the relationship between online hours and in-person was not a significant predictor of loneliness. This study indicates that other factors, such as age and country, are better predictors for loneliness occurring rather than the number of hours spent either with in-person or online schooling. The result of this study allows for a greater perspective into what the possible factors that predict loneliness.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 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 ».