Fidelity of After‐School Program Implementation Targeting Adolescent Youth: Identifying Successful Curricular and Programmatic Characteristics
Notice bibliographique
Résumé
BACKGROUND: This study consisted of a formative evaluation of an after-school health education program designed for adolescent females, entitled Girls on Track. Evidence-based after-school programs have potential to supplement the traditional school day, encourage social and emotional skill development, improve the quality of student health, and contribute to a healthier school environment. Implementing comprehensive programs outside of the classroom, however, is challenging and gaps exist in the literature regarding implementation fidelity. METHODS: The national program was in a cohort of adolescent females from 11 Girls on Track locations in fall 2008 and 10 locations in spring 2009. Mixed-method analyses evaluated fidelity of lesson implementation, described curricular and programmatic characteristics associated with implementation fidelity, and assessed coach perceptions toward program quality and feasibility. RESULTS: Specific lesson characteristics associated with higher rates of implementation fidelity and favorable coach perceptions toward program feasibility included improved lesson clarity, more time to process health topics, teaching and learning objectives that were well aligned with lesson activities, incorporation of alternative activities for less-motivated participants, and provision of resources on key health topics for coaches. CONCLUSION: Girls on Track is currently being implemented across the United States and Canada, reaching over 5000 adolescent females annually. Identifying and incorporating specific curricular and programmatic characteristics associated with high levels of implementation fidelity can enhance the quality and benefits of after-school programs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».