Kids in Communities Study (KiCS) study protocol: a cross-sectional mixed-methods approach to measuring community-level factors influencing early child development in Australia
Notice bibliographique
Résumé
INTRODUCTION: Healthy childhood development in the early years is critical for later adult health and well-being. Early childhood development (ECD) research has focused primarily on individual, family and school factors, but largely ignored community factors. The Kids in Communities Study (KiCS) will test and investigate community-level influences on child development across Australia. METHODS AND ANALYSIS: Cross-sectional mixed-methods study exploring community-level effects in 25 Australian local communities; selection based on community socioeconomic status (SES) and ECD using the Australian Early Development Census (AEDC), a population measure of child development, to create a local community 'diagonality type', that is, those performing better or worse (off-diagonal), or as expected (on-diagonal) on the AEDC relative to their SES. Data collection includes stakeholder interviews, parent and service provider focus groups, and surveys with general community residents and service providers, mapping of neighbourhood design and local amenities and services, analysis of policy documents, and the use of existing sociodemographic and early childhood education and care data. Quantitative data will be used to test associations between local community diagonality type, and ECD based on AEDC scores. Qualitative data will provide complementary and deeper exploration of these same associations. ETHICS AND DISSEMINATION: The Royal Children's Hospital Human Research Ethics Committee approved the study protocol (#30016). Further ethics approvals were obtained from State Education and Health departments and Catholic archdioceses where required. ECD community-level indicators will eventually be derived and made publically available. Findings will be published in peer-reviewed journals, community reports, websites and policy briefs to disseminate results to researchers, and key stakeholders including policymakers, practitioners and (most importantly) the communities involved.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».