Building Qualitative Research Capacity Among Interdisciplinary Teams to Investigate Girls’ Challenges With Menstruation: Process and Lessons Learned From a 14-Country E-Course
Notice bibliographique
Résumé
Public health–related decisions are influenced by a variety of actors operating on local to global levels, including community leaders, educators, nongovernment organizations, government officials, donors, and researchers, many of whom may lack formal public health training. The provision of public health instruction to interdisciplinary professionals has the potential to strengthen the capacity of all stakeholders to make informed, evidenced-based decisions about health policies and programs. The use of online learning is emerging as a promising means of providing public health training, particularly among those living in geographically disparate areas and from multidisciplinary backgrounds. This article describes an online course created to teach participants in stakeholder teams from 14 low- and middle-income countries how to design and conduct qualitative research to understand girls’ challenges managing menstruation at school. The goal of the course was to strengthen each country team’s ability to conduct research by building the capacity of the members. Thus, completion of the course by all team members was an objective, but less of a focus than assuring that each team as a collective was gaining public health insights and working together to make informed decisions about their research goals. This course led to benefits beyond capacity strengthening, including the formation of a broader community of learning and practice that extended beyond country boundaries. We recommend embedding training opportunities for multidisciplinary stakeholders into research endeavors given the potential for positive effects on individual participants and overall policy decisions to improve community health and provide lessons learned for doing so.
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 | 0,137 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,011 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,006 | 0,023 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».