Diversité et santé mentale en milieu universitaire : perspectives des informatrices et des informateurs clés sur l’accès aux services
Bibliographic record
Abstract
La diversité en milieu universitaire est une richesse qui s'accompagne de défis significatifs, notamment en matière de santé mentale. Cette étude qualitative vise à explorer les perspectives d’informatrice et d’informateurs clés sur l'accès aux services de santé mentale dans un contexte universitaire. Pour y parvenir, 27 entrevues semi-dirigées ont été menées auprès de personnes cadres, employées et étudiantes. Prenant appui sur l’approche bioécologique, l’analyse thématique a permis d’identifier les facilitateurs et les obstacles d’accès aux services de santé mentale dans les milieux universitaires. Les principaux facilitateurs comprennent la diversité de l’offre de services, la proximité des services d’intervention, les qualités d’être des personnes intervenantes et la promotion des services disponibles. En revanche, les principaux obstacles incluent les barrières linguistiques, l’isolement, l’étalement géographique, la méconnaissance et la méfiance envers les services ainsi que la taille des institutions. Cette étude offre des pistes pour améliorer l'accès aux services de santé mentale en milieu universitaire et leur efficacité, en soulignant l'importance de stratégies inclusives et adaptées aux besoins diversifiés des personnes étudiantes.
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 | 0.016 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.015 | 0.013 |
| Scholarly communication | 0.017 | 0.012 |
| Open science | 0.001 | 0.011 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".