論文の概要: Risk of Interruption of Doctoral Studies and Mental Health in PhD
Students
- arxiv url: http://arxiv.org/abs/2010.07039v1
- Date: Mon, 28 Sep 2020 10:48:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 18:22:05.083803
- Title: Risk of Interruption of Doctoral Studies and Mental Health in PhD
Students
- Title（参考訳）: PhD学生における博士研究の中断リスクとメンタルヘルス
- Authors: Sara M. Gonz\'alez-Betancor, Pablo Dorta-Gonz\'alez
- Abstract要約: Ph.D.の学生は、一般市民の高度に教育された個人よりも精神疾患の症状の頻度が高いと報告している。
リスクは、監督官または専門分野の変更を望むこと、または博士号を追求しないという願望を通じて測定される。
監督官との不十分な接触時間と、研究に費やした時間を超えることは、PhD研究の中断の危険因子であるが、最も決定的なリスク要因は精神状態の悪化である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: PhD students report a higher prevalence of mental illness symptoms than
highly educated individuals in the general population. This situation presents
a serious problem for universities. Thus, the knowledge about this phenomenon
is of great importance in decision-making. In this paper we use the Nature PhD
survey 2019 and estimate several binomial logistic regression models to analyze
the risk of interrupting doctoral studies. This risk is measured through the
desire of change in either the supervisor or the area of expertise, or the wish
of not pursue a PhD. Among the explanatory factors, we focus on the influence
of anxiety/depression, discrimination, and bullying. As control variables we
use demographic characteristics and others related with the doctoral program.
Insufficient contact time with supervisors, and exceeding time spent studying
-crossing the 50-h week barrier-, are risk factors of PhD studies interruption,
but the most decisive risk factor is poor mental health. Universities should
therefore foster an environment of well-being, which allows the development of
autonomy and resilience of their PhD students or, when necessary, which fosters
the development of conflict resolution skills.
- Abstract（参考訳）: 博士課程の学生は、一般住民の高学歴者よりも精神疾患の症状が高いと報告している。
この状況は大学にとって深刻な問題となる。
したがって、この現象に関する知識は意思決定において非常に重要である。
本稿では,nature phd survey 2019を用いて,博士論文の中断リスクを分析するために,二項ロジスティック回帰モデルをいくつか推定する。
このリスクは、監督官または専門分野における変化の願望、またはphdを追求しない希望を通じて測定される。
説明要因として,不安・抑うつ,差別,いじめの影響に着目した。
コントロール変数として、人口統計学的特徴と博士課程に関連する他の特徴を用いる。
監督官との不十分な接触時間と、研究に費やした時間の超過は、PhD研究の中断のリスク要因であるが、最も決定的なリスク要因は精神疾患である。
したがって大学は、博士課程の学生の自律性と回復力の発展を可能にする、あるいは必要に応じて紛争解決スキルの発達を促進する、幸福の環境を育むべきである。
関連論文リスト
- "Sometimes You Just Gotta Risk It for the Biscuit": A Portrait of Student Risk-Taking [4.280736832561806]
本研究は,ソフトウェア技術者のリスクテイク行動に関する先行研究を部分的に再現することを目的としている。
学生は、リスクの高い選択肢と安全な選択肢のどちらを選択する必要があるコースプロジェクトの期限に間に合うという仮説的なシナリオを提示された。
これらの選択に影響を及ぼす可能性のある要因として、決定のフレーミング(潜在的な利得や損失)、プログラミングの楽しさ、プログラミングの難しさの認識、コースにおけるパフォーマンスなどについて検討した。
論文 参考訳（メタデータ） (2024-04-01T22:37:29Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳（メタデータ） (2023-10-11T02:47:21Z) - Identifying Risk Factors for Post-COVID-19 Mental Health Disorders: A
Machine Learning Perspective [0.0]
我々は、機械学習技術を利用して、COVID-19後のメンタルヘルス障害に関連するリスク要因を特定しました。
年齢、性別、居住地は、精神疾患の発症に影響を及ぼす重要な人口統計要因であった。
新型コロナウイルス感染症の重症度は、重要な臨床予測因子であった。
論文 参考訳（メタデータ） (2023-09-27T22:30:11Z) - Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。
このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。
患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
論文 参考訳（メタデータ） (2023-06-29T23:36:04Z) - Economical Accommodations for Neurodivergent Students in Software
Engineering Education: Experiences from an Intervention in Four Undergraduate
Courses [1.4359013924162163]
一般人口では神経多様性が一般的であり、世界人口の5.0%から7.1%がADHDとジスキシアと診断されている。
ニューロディバージェント(ND)の個人は、しばしば特定のタスクで課題を経験する。
ND個人はまた、創造性や細部への注意など、特定の強みを示す。
論文 参考訳（メタデータ） (2023-06-13T09:27:09Z) - Causal Deep Learning [77.49632479298745]
因果性は、現実世界の問題を解決する方法を変える可能性がある。
しかし因果関係は、実際にテストできない重要な仮定を必要とすることが多い。
我々は、因果性に関する新しい考え方を提案します。
論文 参考訳（メタデータ） (2023-03-03T19:19:18Z) - Empowering First-Year Computer Science Ph.D. Students to Create a
Culture that Values Community and Mental Health [18.816256029126865]
博士課程では、うつ病、不安、孤立、不気味な現象の頻度が高いことが多い。
本稿では,博士課程への入学を義務付けるセミナーを通じて,Ph.D.メンタルヘルスに対処する新たな取り組みについて述べる。
論文 参考訳（メタデータ） (2022-08-23T20:24:48Z) - Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。
本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。
分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
論文 参考訳（メタデータ） (2022-08-07T02:28:32Z) - Why Interpretable Causal Inference is Important for High-Stakes Decision
Making for Critically Ill Patients and How To Do It [80.24494623756839]
重症心身障害患者に対する因果関係評価のための枠組みを提案する。
この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
論文 参考訳（メタデータ） (2022-03-09T18:03:35Z) - ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。
Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。
純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
論文 参考訳（メタデータ） (2021-03-26T02:42:38Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。