MétaCan
Menu
Retour à la cohorte
Enregistrement W2942243585 · doi:10.20944/preprints201904.0229.v1

Youth Exploring the Relationship between School Gardens, Food Literacy and Mental Well-Being Using Photovoice

2019· preprint· en· W2942243585 sur OpenAlexaff
Vanessa Lam, Kathy Romses, Kerry Renwick

Notice bibliographique

RevuePreprints.org · 2019
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensUniversity of British ColumbiaVancouver Coastal Health
Organismes subventionnairesnon disponible
Mots-clésPhotovoiceLiteracyMainstreamFeelingPsychologyMental healthEnablingPedagogySociologySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The goal of the project was to gain an understanding of the secondary school youth experience with food literacy and school gardens on their mental well-being. Over the course of five months, sixteen youth participated in a photovoice research project in which they expressed their personal experiences about food and gardening through photography and writing. The aspects of secondary school youths’ life experiences affected by exposure to food literacy and school gardens and their impact upon their well-being were identified. These included emotions and feelings, having a safe place, nutrition and relaxation. The youth explicitly connected relaxation with the themes of love and connectedness, growing food, garden as a place, cooking, and food choices. This was linked to nature, beauty, environment and sustainability. Youth clubs or groups were also identified as a key enabler for connection. Youth shared their food literacy experiences, observing that their engagement improved some aspect of their mental well-being. They identified food literacy and gardens as being the most important to mental well-being including: connecting, personal health and personal growth. The youth recognized that connecting comes from having community, relationships and respect. Fostering opportunities for food literacy such as growing and preparing food contributes to resiliency.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,352
Tête enseignante GPT0,354
Écart entre enseignants0,002 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetDiverse Educational Innovations StudiesTravaux en français237 207