Programme coordinators’ perceptions of strengths, weaknesses, opportunities and threats associated with school nutrition programmes
Notice bibliographique
Résumé
OBJECTIVE: As part of a larger evaluation of school nutrition programmes (SNP), the present study examined programme coordinators' perceptions of strengths, weaknesses, opportunities and threats (SWOT) regarding their SNP and public health professionals' support. DESIGN: Qualitative interviews were conducted with twenty-two of eighty-one programme coordinators who had completed a programme evaluation survey. Interviews followed a SWOT framework to evaluate programmes and assessed coordinators' perceptions regarding current and future partnerships with public health professionals. SETTING: The study was conducted in a large, urban region within Ontario. SUBJECTS: The twenty-two coordinators who participated represented a cross-section of elementary, secondary, Public and Catholic schools. RESULTS: SNP varied enormously in foods/services offered, how they offered them and perceived needs. Major strengths included universality, the ability to reach needy students and the provision of social opportunities. Major weaknesses included challenges in forming funding partnerships, lack of volunteers, scheduling and timing issues, and coordinator workload. Common threats to effective SNP delivery included lack of sustainable funding, complexity in tracking programme use and food distribution, unreliable help from school staff, and conflicts with school administration. Opportunities for increased public health professionals' assistance included menu planning, nutrition education, expansion of programme food offerings, and help identifying community partners and sustainable funding. CONCLUSIONS: The present research identified opportunities for improving SNP and strategies for building on strengths. Since programmes were so diverse, tailored strategies are needed. Public health professionals can play a major role through supporting menu planning, food safety training, access to healthy foods, curriculum planning and by building community partnerships.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».