MétaCan
Menu
Retour à la cohorte
Enregistrement W1829415611 · doi:10.5539/ies.v8n9p148

The Development of a Secondary School Health Assessment Model

2015· article· en· W1829415611 sur OpenAlexvenueno aff
Srinual Sriring, Prawit Erawan, Monoon Sriwarom

Notice bibliographique

RevueInternational Education Studies · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Wellbeing Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchool healthSecondary educationPsychologyHealth assessmentMedical educationPublic healthMathematics educationMedicineNursing

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to: 1) involved a survey of information relating to secondary school health, 2) involved the construction of a model of health assessment and a handbook for using the model in secondary school, 3) develop an assessment model for secondary school. The research included 3 phases. (1) involved a survey of information relating to secondary school health, which was performed by analyzing the approach and reviewing the related literature. The phase also involved synthesizing the factors associated with health in secondary school. (2) involved the construction of a model of health assessment and a handbook for using the model in secondary school. (3) the health assessment model for secondary school was applied to large, medium, and small schools to evaluate the model’s validity. In addition, the assessment model was evaluated based on its utility, feasibility, propriety, and accuracy. The research findings suggested the following: 1) The health assessment model for secondary school consisted of 4 major factors, 13 sub-factors, and 68 indicators. 2) The health assessment model for secondary school was deemed by experts to have content validity. 3) The health assessment model for secondary school was considered to have high levels of utility, feasibility, propriety, and accuracy. Considering each aspect, it was found that the aspects of utility, feasibility, propriety, and accuracy, were “High” for every aspect.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,974

Scores Codex et Gemma par catégorie

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

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 Opus0,338
Tête enseignante GPT0,643
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetHealth and Wellbeing ResearchTravaux en français237 207