Investigating the Relationship Between Campus Characteristics and Help-seeking Behaviours in Canadian Varsity Student-Athletes
Notice bibliographique
Résumé
Compared to the general population, university student-athletes exhibit mental health issues at a similar or higher rates (Sullivan et al., 2019; Wolanin et al., 2016). Despite this, research suggests that help-seeking rates for athletes continue to remain significantly lower than their non-athlete peers (Edwards & Froehle, 2023). Stigma, sport culture and other contextual factors may be significant reasons for these help-seeking trends in university athletes (Uphill et al., 2016). This research aims to investigate these contextual factors by exploring help-seeking behaviours of varsity student-athletes as they relate to campus characteristics. This study analyzed 52,326 (1,845 varsity) students in the Canadian subset of the National College Health Assessment (NCHA) from data collected in the Spring 2019. Descriptive statistics and logistic regression models compared campus characteristics and varsity status as they relate to help-seeking rates. Results indicate significantly lower rates of general (40.7% vs. 46.5%) and future (76.9% vs. 80.0%) help-seeking for varsity students. However, campus help-seeking rates are slightly higher for varsity students (21.1% vs. 19.9%). Additionally, varsity athletes were 38.7% less likely to seek help on larger campuses (>20k students) compared to smaller campuses (
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».