Brief Intervention Impact on Truant Youth Attitudes to School and School Behavior Problems: A Longitudinal Study
Notice bibliographique
Résumé
Truancy continues to be a major problem, affecting most school districts in the U.S. Truancy is related to school dropout, with associated adverse consequences, including unemployment and delinquency. It is important to obtain a more complete picture of truants' educational experience. First, the present study sought to examine the longitudinal growth (increasing/decreasing trend) in truant youths' attitudes toward school and misbehavior in school (disobedience, inappropriate behavior, skipping school). Second, this study focused on examining the impact of a Brief Intervention (BI) targeting the youths' substance use, as well as socio-demographic and background covariates, on their attitudes toward school and school behavior problems over time. A linear growth model was found to fit the attitudes toward school longitudinal data, suggesting the youths' attitudes toward school are related across time. An auto-regressive lag model was estimated for each of the school misbehaviors, indicating that, once initiated, youth continued to engage in them. Several socio-demographic covariates effects were found on the youths' attitudes towards school and school misbehaviors over time. However, no significant, overall BI effects were uncovered. Some statistically significant intervention effects were found at specific follow-up points for some school misbehaviors, but none were significant when applying the Holm procedure taking account of the number of follow-ups. The implications of these findings are discussed.
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 | 0,001 | 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 | 0,000 |
| Science ouverte | 0,000 | 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 ».