Training trainees, young activists, to conduct awareness campaigns about prevention of substance abuse among Lebanese/Armenian young people
Notice bibliographique
Résumé
Alcohol, tobacco and other drugs (ATOD) abuse and addiction are serious problems among Lebanese youth. Peer education on ATOD abuse in several settings has been found to be an effective way of prevention. This paper describes a collaborative project which trained 30 young activists to lead awareness campaigns in the Lebanon about ATOD abuse and healthy alternatives for relieving stress. The project was initiated by the Armenian Relief Cross in Lebanon (ARCL), funded by the Oxfam Canadian Fund for Social Development and implemented in collaboration with stakeholders in the Armenian community and Oum El Nour organization. Following training, the activists offered awareness sessions to a total audience of 5200:1250 secondary students, 50 university students, 1050 scouts, 300 working adolescents, 50 policemen and 2500 parents. Workshop objectives were met and awareness campaigns evaluated positively by the activists, parents of young people, ARCL and other stakeholders: leaders of Armenian institutions dealing with adolescents and the mayor of Bourj Hammoud. Resource constraints precluded seeking feedback from the young people who participated. Collaboration was deemed to have enhanced the capacity of ARCL, Oum El Nour, and the stakeholders in training young trainees to offer awareness campaigns. The author recommends continuing the project; offering another workshop to support the trainees and building in ways to evaluate the impact of the awareness campaigns on knowledge, attitude and behaviors of the young people taking part. To this effect, evaluation of the impact of the awareness campaigns is already started among school students with the use of control/comparison group design.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».