MétaCan
Menu
Retour à la cohorte
Enregistrement W2952142849 · doi:10.3390/nu11061354

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

2019· article· en· W2952142849 sur OpenAlexafffund
Vanessa Lam, Kathy Romses, Kerry Renwick

Notice bibliographique

RevueNutrients · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensUniversity of British ColumbiaVancouver Coastal Health
Organismes subventionnairesVancouver Coastal Health Research Institute
Mots-clésPhotovoiceMental healthEnablingPsychologyOutdoor educationPositive Youth DevelopmentYouth engagementSocial connectednessLiteracyWell-beingPedagogyDevelopmental psychologySocial psychologyPublic relationsPolitical science

Résumé

récupéré en direct d'OpenAlex

The goal of the project was to gain an understanding of the relationships between secondary school youth experiences in school gardens and their mental well-being. Over the course of five months, sixteen youths 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 school gardens and their impact upon their well-being were identified. The youth explicitly associated relaxation with the themes of love and connectedness, growing food, garden as a place, cooking, and food choices. They were able to demonstrate and develop food literacy competency because of their engagement with the gardening and cooking activities. Youth clubs or groups were identified as a key enabler for connection with other youth and adults. Youth shared their food literacy experiences, observing that their engagement improved some aspect of their mental well-being. Through the photovoice process, the youth identified how their involvement in green spaces enabled connections with others, and highlighted aspects of personal health and personal growth, all of which contribute to their mental well-being.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,150
Tête enseignante GPT0,286
Écart entre enseignants0,136 · 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

Citations35
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNutrientsMême sujetDiverse Educational Innovations StudiesTravaux en français237 207