MétaCan
Menu
Retour à la cohorte
Enregistrement W2552623512 · doi:10.1177/0017896916676209

Cross-cultural school-based encounters as global health education

2016· article· en· W2552623512 sur OpenAlexaff
Maria Bruselius-Jensen, Kerry Renwick, Jens Aagaard‐Hansen

Notice bibliographique

RevueHealth Education Journal · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesWorld Health Organization
Mots-clésCross-culturalPsychologySociologyPedagogyEnvironmental healthMedicineAnthropology

Résumé

récupéré en direct d'OpenAlex

Objective: Drawing on the concepts of the cosmopolitan person and democratic health education, this article explores the merits of primary school–based, cross-cultural dialogues for global health education. Design: A qualitative study of the learning outcomes of the Move|Eat|Learn (MEL) project. MEL facilitates cultural meetings, primarily Skype-based, between students from Kenya and Denmark, with the aim of promoting reflection on differences and similarities in everyday living conditions and their impact on health practices. Setting: Three Danish and one Kenyan primary schools. Methods: Qualitative analysis of 18 focus group discussions with 72 Danish and 36 Kenyan students. Results: Cross-cultural dialogues promoted students’ engagement and reflections on their own and peers’ health condition, access to education, food cultures, gender and family structures. Conclusion: Findings indicate the merits of cross-cultural dialogues as a means of educating students to become global health agents with a cosmopolitan outlook.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,659
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,041
Tête enseignante GPT0,494
Écart entre enseignants0,453 · 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.

Devis d'étudeSans objet
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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Education JournalMême sujetCultural Competency in Health CareTravaux en français237 207