MétaCan
Menu
Retour à la cohorte
Enregistrement W2963158595 · doi:10.3928/24748307-20190502-01

Health Literacy—Talking the Language of (School) Education

2019· article· en· W2963158595 sur OpenAlexaboutno aff
Leena Paakkari, Orkan Okan

Notice bibliographique

RevueHLRP Health Literacy Research and Practice · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSchool Health and Nursing Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiteracyHealth literacyPsychologySociologyPedagogyMathematics educationPolitical scienceHealth care

Résumé

récupéré en direct d'OpenAlex

The links between school education and health have been of interest to researchers for several decades, and health literacy in particular has been associated with the health-promoting school approach for almost 20 years (St Leger, 2001; St Leger & Nutbeam, 2000). From an educational perspective, this is not surprising because there is little doubt that health literacy is a competence that contributes to health skill development and can be facilitated through educational practices. Although health-related skill development has been a core pillar of health promotion since the Ottawa Charter (Nutbeam, 1998), few countries have included health literacy as a theoretical framework within their school health curriculum (e.g., Australia [Australian Curriculum, Assessment and Reporting Authority, 2012], Finland (Finnish National Board of Education, 2014], and the United States [Joint Committee on Health Education Standards, 1995]), and even fewer have made the subject obligatory. As a result, few countries offer teacher training in relation to health literacy. This lack of training puts pupils as well as teachers in an unfavorable position because teachers are not equipped with health literacy teaching methods so pupils cannot be adequately supplied with health literacy skills.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,007
Communication savante0,0040,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,132
Tête enseignante GPT0,615
Écart entre enseignants0,483 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHLRP Health Literacy Research and PracticeMême sujetSchool Health and Nursing EducationTravaux en français237 207