Trabalho docente e saúde mental de professores brasileiros na pandemia covid-19
Notice bibliographique
Résumé
In recent years, there has been significant growth in mental disorders among teachers. Additionally, due to the Covid-19 pandemic, the transition from in-person to remote teaching has accentuated the precariousness of teaching work and, in many cases, has led to increased workload, flexibility processes, and work intensification. The objective of this research is to investigate the predictors of Common Mental Disorders (CMDs) among basic education teachers during the Covid-19 pandemic, considering the work context, variables related to experiences during this period, and sociodemographic characteristics. A total of 14,374 teachers participated in this study. The majority of respondents were from the Northeast region (62.5%), followed by the Southeast (23.6%), Midwest (6.5%), North (5.6%), and South (1.8%) regions. Data collection utilized the Self-Reporting Questionnaire (SRQ-20) for screening Common Mental Disorders, the Remote Teaching Work Context Assessment Scale (EACTDR), along with sociodemographic questions and questions related to the pandemic context. The results showed that approximately a quarter of the sample exhibited indications of CMDs, and regarding the predictors, the variables with the largest effect sizes were, in this order, work organization, socio-professional relationships, age, and gender.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».