MétaCan
Menu
Retour à la cohorte
Enregistrement W2009189635 · doi:10.1080/03670240903170483

Intergenerational Participatory Discussion Groups Foster Knowledge Exchange to Improve Child Nutrition and Food Security in Northern Malawi

2009· article· en· W2009189635 sur OpenAlexaff
Franziska Satzinger, Rachel Bezner Kerr, Lizzie Shumba

Notice bibliographique

RevueEcology of Food and Nutrition · 2009
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensWestern UniversityUniversity of TorontoPublic Health Ontario
Organismes subventionnairesnon disponible
Mots-clésTransformative learningFood securityMalnutritionCitizen journalismFocus groupAgricultureAgrarian societyParticipatory action researchEconomic growthNutrition EducationAffect (linguistics)SociologySocioeconomicsPolitical scienceGeographyEconomicsPedagogy

Résumé

récupéré en direct d'OpenAlex

This article assesses the effectiveness of a participatory, intergenerational, dialogue approach in addressing gender and generational conflicts related to both child nutrition and agriculture. Analysis of 46 interviews and 3 focus groups with smallholder farmers in rural agrarian communities with high rates of child malnutrition in northern Malawi suggested that participatory discussion can lead to positive change, including increasing child feeding frequency and dietary diversity. An intergenerational, transformative, and holistic approach to nutrition education which integrates agricultural and gender issues can effectively address sensitive conflicts within households and communities that affect child nutrition, and come up with local solutions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,232
Score d'incertitude au seuil0,602

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,018
Tête enseignante GPT0,271
Écart entre enseignants0,253 · 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'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

Citations28
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology of Food and NutritionMême sujetChild Nutrition and Water AccessTravaux en français237 207