MétaCan
Menu
Retour à la cohorte
Enregistrement W2104933822 · doi:10.1016/j.psi.2014.02.001

Better Beginnings, Better Futures: Theory, research, and knowledge transfer of a community-based initiative for children and families

2014· article· en· W2104933822 sur OpenAlexaff
S. Kathleen Worton, Rachel Caplan, Geoffrey Nelson, S. Mark Pancer, Colleen Loomis, Ray DeV. Peters, Karen Hayward

Notice bibliographique

RevuePsychosocial Intervention · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensQueen's UniversityWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésFutures contractDisadvantagedSociologySocial justicePublic relationsEarly childhoodEconomic JusticeChild developmentPsychologyEconomic growthPolitical scienceDevelopmental psychologyBusinessSocial scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Better Beginnings, Better Futures is an early childhood initiative focused on promoting healthy development of children and families in economically disadvantaged communities. The Better Beginnings approach is ecological and holistic, community-driven, integrated with existing community services and supports, and universally available to children aged 4-8 within communities in which it is offered. The Better Beginnings initiative effectively illustrates the concept of wellness as fairness through its efforts to create more just social conditions and its connection to both procedural and distributive justice, the two principles off airness outlined by Prilleltensky (2012). Through the development of programs that support children, parents, families, and the community as a whole, Better Beginnings initiatives are able to promote children's development by building community capacity to create healthy and positive environments for children. This paper provides an overview of the Better Beginnings, Better Futures initiative from its outset in 1990 to the present, with a view towards examining the ways in which knowledge generated from such initiatives can be transferred to other communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0050,035
Communication savante0,0080,013
Science ouverte0,0020,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,066
Tête enseignante GPT0,402
Écart entre enseignants0,336 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations17
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychosocial InterventionMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207