Ressources socioémotionnelles comme facteurs de protection favorisant l’épanouissement des étudiants universitaires durant la pandémie de COVID-19
Bibliographic record
Abstract
Les recherches antérieures sur les catastrophes ont démontré que la résilience peut jouer un rôle protecteur contre les conséquences négatives en période de crise. Cette étude vise à contribuer à la recherche existante concernant les facteurs de protection en période de crise, en examinant les ressources socioémotionnelles (RSÉ) comme tampon contre les effets négatifs. Des niveaux élevés de RSÉ sont liés à la capacité globale dans les domaines social, émotionnel et interpersonnel. En utilisant la régression multiple hiérarchique, nous avons émis l’hypothèse que les RSÉ constitueraient un facteur prédictif de l’épanouissement à la fois subjectif et objectif durant la pandémie de COVID-19. Des étudiantes et étudiants universitaires au Canada, âgés de 18 à 28 ans, ont été interrogés dans le cadre de cette étude. Les résultats ont montré que la plupart des personnes participantes ont déclaré des niveaux élevés d’épanouissement objectif et des niveaux modérés d’épanouissement subjectif. Fait important, les RSÉ se sont révélées être un facteur prédictif unique de l’épanouissement, au-delà du statut minoritaire ou du handicap. Les résultats de cette étude suggèrent que les RSÉ peuvent agir comme un facteur de protection efficace contre les conséquences négatives, et ce, malgré les obstacles contextuels en période de crise.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".