MétaCan
Menu
Retour à la cohorte
Enregistrement W1574051985 · doi:10.1111/cch.12091

Experiences of housing insecurity among participants of an early childhood intervention programme

2013· article· en· W1574051985 sur OpenAlexaff
Hayley Rose Houston Turnbull, Kristjana Loptson, Nazeem Muhajarine

Notice bibliographique

RevueChild Care Health and Development · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of SaskatchewanSaskatchewan Health
Organismes subventionnairesnon disponible
Mots-clésPovertyPsychosocialIntervention (counseling)Psychological interventionFocus groupQualitative researchPsychologyEconomic growthBusinessSociologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To understand the barriers to programme success among high-needs families in KidsFirst, an early childhood intervention programme. METHODS: Using a qualitative approach, a secondary analysis was performed using the qualitative data set (111 interviews and focus groups with 242 participants) from the KidsFirst programme evaluation. Data analysis was conducted to identify common experiences among high-needs families in the programme and barriers to programme success. RESULTS: Participants identified housing insecurity as a major factor impeding programme delivery, retention and successful outcomes. Housing insecurity was shown to create or exacerbate ongoing crises among high-needs families. Only after housing insecurity was addressed were families able to benefit from the KidsFirst programme. CONCLUSIONS: The findings of this research suggest that until baseline material security is established for high-needs families, early childhood development (ECD) interventions will be limited in meeting their objectives. In order to have the most effect for those living in poverty, helping families to achieve basic material security, including secure housing, should precede the targeted provision of psychosocial ECD supports. This finding has implications for how ECD intervention programmes could more effectively be designed and whom they should target.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0060,002
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,052
Tête enseignante GPT0,383
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild Care Health and DevelopmentMême sujetHomelessness and Social IssuesTravaux en français237 207