DISCOVERING FRUGAL INNOVATIONS THROUGH DELIVERING EARLY CHILDHOOD HOME‐VISITING INTERVENTIONS IN LOW‐RESOURCE TRIBAL COMMUNITIES
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Early childhood home-visiting has been shown to yield the greatest impact for the lowest income, highest disparity families. Yet, poor communities generally experience fractured systems of care, a paucity of providers, and limited resources to deliver intensive home-visiting models to families who stand to benefit most. This article explores lessons emerging from the recent Tribal Maternal and Infant Early Childhood Home Visiting (MIECHV) legislation supporting delivery of home-visiting interventions in low-income, hard-to-reach American Indian and Alaska Native communities. We draw experience from four diverse tribal communities that participated in the Tribal MIECHV Program and overcame socioeconomic, geographic, and structural challenges that called for both early childhood home-visiting services and increased the difficulty of delivery. Key innovations are described, including unique community engagement, recruitment and retention strategies, expanded case management roles of home visitors to overcome fragmented care systems, contextual demands for employing paraprofessional home visitors, and practical advances toward streamlined evaluation approaches. We draw on the concept of "frugal innovation" to explain how the experience of Tribal MIECHV participation has led to more efficient, effective, and culturally informed early childhood home-visiting service delivery, with lessons for future dissemination to underserved communities in the United States and abroad.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle