Using participatory research to explore the oral health awareness of junior and senior high students at L.Y. Cairns School
Notice bibliographique
Résumé
Introduction. Vulnerable populations, such as school-aged adolescents with mild cognitive disabilities, can be partners in the creation of interactive learning tools. Objectives. This participatory qualitative study involved teachers and school-aged adolescents in the creation of artwork that answered 4 questions: 1) What does a healthy mouth look like? 2) What does an unhealthy mouth look like? 3) What foods keep your teeth healthy?, and 4) What are some healthy teeth habits? Methods/Results. Three teachers and their 33 students provided artwork that depicted their answers to the 4 questions, and written descriptions. The researchers coded the artwork individually and grouped the data into 4 major categories: Healthy vs. unhealthy (yellow teeth, pain); Lifestyle (no smoking, visiting the dentist), healthy habits (brushing, flossing); and Foods and Nutrition (fruits and vegetables - to eat, soda pops and pizza - to avoid). A four-minute-long video featuring animations of the students’ artwork was created professionally to showcase their knowledge and facilitate an interactive learning tool. Conclusion. Co-learning between researchers and participants fostered positive, collaborative learning within the community. Significance. This study provided insights into an effective strategy for creating oral health education tools for the learners, by the learners. The video presentation will be used by dental hygiene students to engage vulnerable populations in a discussion about oral health.
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 | 0,031 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,010 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».