MétaCan
Menu
Retour à la cohorte
Enregistrement W2794272162 · doi:10.1080/19415257.2018.1452783

The professional learning process of enhancing mental health literacy and its application to youth work practice: a grounded theory study

2018· article· en· W2794272162 sur OpenAlexafffund
Patti Ranahan, Hadia Alsaieq

Notice bibliographique

RevueProfessional Development in Education · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensConcordia University
Organismes subventionnairesConcordia UniversityMicrosoft Research
Mots-clésGrounded theoryProfessional developmentMental healthProcess (computing)PedagogyWork (physics)LiteracyPsychologyMedical educationFaculty developmentQualitative researchSociologyMedicinePsychotherapistComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Youth workers provide services to youth and their families in different fields such as recreation, social justice, mental health. They play an important role in the well-being of youth and thus, mental health literacy (MHL) should be an integral part of professional preparation. The present grounded theory study examined how a MHL curriculum, specifically designed for youth work, is applied in interventions with young people suffering from suicidality or mental health concerns. Thirteen participants involved in higher education programmes and engaged in youth work practice participated in the study. Over 60 sources of data (i.e. interviews, written reflections, creative artefacts, observations) were used in the analysis. Findings suggest that the process of becoming and being in youth work is comprised of two sub-categories: struggling to become and being a youth worker. Conditions such as learning activities and specific content in the curriculum shaped and influenced the process and, consequentially, participants’ movement therein. These findings imply that promoting MHL and professional identity development are intertwined learning processes such that mental health education must integrate issues of professional identity.

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)0,024
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,012
Communication savante0,0060,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,470
Écart entre enseignants0,450 · 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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProfessional Development in EducationMême sujetResilience and Mental HealthTravaux en français237 207