Modeling the Mental Health Practice Change Preferences of Educators: A Discrete-Choice Conjoint Experiment
Notice bibliographique
Résumé
Schools are sometimes slow to adopt evidence-based strategies for improving the mental health outcomes of students. This study used a discrete-choice conjoint experiment to model factors influencing the decision of educators to adopt strategies for improving children’s mental health outcomes. A sample of 1,010 educators made choices between hypothetical mental health practice change strategies composed by systematically varying the four levels of 16 practice change attributes. Latent class analysis yielded two segments with different practice change preferences. Both segments preferred small-group workshops, conducted by engaging experts, teaching skills applicable to all students. Participants expressed little interest in Internet options. The support of colleagues, administrators, and unions exerted a strong influence on the practice change choices of both segments. The Change Ready segment, 77.1 % of the sample, was more intent on adopting new strategies to improve the mental health of students. They preferred that schools, rather than the provincial ministry of education, make practice change decisions, coaching was provided to all participants, and participants received post-training follow-up sessions. The Demand Sensitive segment (22.9 %) was less intent on practice change. They preferred that individual teachers make practice change decisions, recommended discretionary coaching, and chose no post-training follow-up support. This study emphasizes the complex social, organizational, and policy context within which educators make practice change decisions. Efforts to disseminate strategies to improve the mental health outcomes of students need to be informed by the preferences of segments of educators who are sensitive to different dimensions of the practice change process. In the absence of a broad consensus of educators, administrators, and unions, potentially successful practice changes are unlikely to be adopted.
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 | 0,033 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».