The experience of the COVID-19 pandemic, and changing attitudes to life
Bibliographic record
Abstract
Wstęp: Celem pracy była ocena poziomu zmian w podejściu do życia, które mogły wynikać z doświadczeń pandemii COVID-19.W świetle najlepszej wiedzy w Polsce nie ma badań prowadzonych na dużych próbach populacyjnych dotyczących związku między obciążeniami wynikającymi z pandemii a pozytywnymi zmianami świadczącymi o wzroście potraumatycznym (post-traumatic growth -PTG).Materiał i metody: W badaniu przekrojowym przeprowadzonym online w marcu 2022 r. wzięło udział 2050 dorosłych mieszkańców Polski (średni wiek 48,8 ±16,7 roku).Jako miarę PTG zastosowano autorski kwestionariusz zawierający 6 pytań na temat zmian w percepcji siebie i własnego zdrowia, relacjach interpersonalnych i filozofii życia (α Cronbacha 0,848).Zbadano zmiany sumarycznego indeksu (zakres 0-24) w zależności od dwudziestu czynników w pięciu blokach tematycznych, a za miarę efektu przyjęto współczynnik d Cohena.Wyniki: Ogólny indeks zmiany podejścia do życia wynosił 17,34 ±4,50.Płeć żeńska i starszy wiek wiązały się z częstszym występowaniem PTG (odpowiednio d = 0,254 i d = 0,364).Zwrócono uwagę na wysoki poziom PTG wśród respondentów, którzy: izolowali się od bliskich, aby ich nie narażać (18,84 ±3,79, d = 0,664), byli osobami wierzącymi i praktykującymi (18,22 ±4,25, d = 0,584), często odczuwali lęk (18,45 ±4,10, d = 0,562) oraz zgłaszali jako skutek pandemii brak bliskości z drugą osobą (18,58 ±4,22, d = 0,517).Wnioski: Pandemia COVID-19 niosła ze sobą zagrożenia i traumy, jednak nie należy pomijać możliwości PTG i korzystnych zmian, które nastąpiły po zetknięciu z sytuacją kryzysową.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".