MétaCan
Menu
Retour à la cohorte
Enregistrement W2177653667 · doi:10.3148/70.4.2009.166

<i>Developing School Nutrition Policies:</i> Enabling and Barrier Factors

2009· article· en· W2177653667 sur OpenAlexaffvenue
Debbie MacLellan, Jennifer Taylor, Catherine Freeze

Notice bibliographique

RevueCanadian Journal of Dietetic Practice and Research · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensGovernment of Prince Edward IslandUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Work (physics)Resource (disambiguation)Public relationsPolitical scienceHealthy eatingBusinessPsychologyMedicinePhysical activityEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The study was conducted to identify the enabling and barrier factors in the development of nutrition policies in Prince Edward Island elementary and consolidated schools. METHODS: A document review and in-depth interviews were conducted with key stakeholders (n=12). RESULTS: Principals were identified as important champions for change. Working group members created an interface between the school world and the nutrition world, and drew upon common philosophical ground to work together to lead the change process. Successfully navigating the process of policy development required building a case for change, testing policies in the real world, integrating healthy eating within school life, offering support to schools, engaging participants, and acknowledging the need to weigh the costs and benefits of the change. At times, external pressures on schools and available foods varied in the extent to which they enabled or challenged policy development. Finally, resource limitations, competing issues, and the use of unhealthy food as rewards were identified as the primary barriers. CONCLUSIONS: The use of a consultative approach that engages key stakeholders early in the process is critical to the successful development of school nutrition policies. This approach also may be an important predictor of the long-term success of such initiatives.

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)0,010
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: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,005
Communication savante0,0060,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,074
Tête enseignante GPT0,387
Écart entre enseignants0,313 · 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

Citations35
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Dietetic Practice and ResearchMême sujetObesity, Physical Activity, DietTravaux en français237 207