Comment la population étudiante du collégial avec et sans handicap a-t-elle réagi à la première vague de la COVID-19? Une analyse en fonction du stress perçu et des stratégies d'adaptation.
Bibliographic record
Abstract
Contexte. La pandémie de la Covid-19 a bouleversé le quotidien de tous les individus à l'échelle planétaire. Les étudiants du postsecondaire ne font pas exception. En plus d'avoir eu à s'adapter à la transition postsecondaire, les étudiants arrivés au collégial à l'automne 2019 ont dû, depuis mars 2020, composer avec les nombreuses conséquences de la pandémie (p. ex., confinement, quarantaine, obligations sanitaires, distanciation physique, enseignement à distance, études et travail à la maison, perte d'emploi, isolement des pairs). À ce jour, on ne connait pas les effets de cette seconde transition sur les étudiants, notamment chez les populations étudiantes plus vulnérables. Objectifs. L'objectif principal de cette étude est d'examiner, en utilisant une approche basée sur le stress et l'adaptation, comment les étudiants du collégial, ayant ou non un handicap, ont vécu la première vague de la pandémie de la Covid-19. Méthodologie. Une étude longitudinale, utilisant un questionnaire en ligne, a été réalisée auprès d'un échantillon de 1 465 étudiants (âge moyen = 18,2 ans) fréquentant un collège du Québec, dont 42 % ont déclaré un handicap lors de leur arrivée au collégial (c.-à.-d., TDA/H, trouble de santé mentale ou trouble d'apprentissage). Les questionnaires ont été remplis avant (octobre-novembre 2019) et pendant (avril-juin 2020) la pandémie. Résultats. L'exposition des jeunes à la Covid-19 a varié selon le type de handicap, la région d'études et le programme d'études. Après avoir contrôlé pour leur exposition à la Covid-19, leur ajustement initial au collégial et leur moyenne générale au secondaire, les étudiants avec un handicap, plus particulièrement ceux qui présentaient un trouble de santé mentale, ont éprouvé plus de stress pendant la pandémie et ont eu plus de difficultés à composer avec la situation que les étudiants sans handicap. Dans l'ensemble, les filles et les étudiants fréquentant un collège en milieu urbain ont été plus affectés par la pandémie. Conclusions : Les résultats sont discutés dans le but de présenter des mesures préventives à déployer pour des étudiants à risque qui débutent leurs études collégiales pendant une pandémie.
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 | 0.006 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".