MétaCan
Menu
Retour à la cohorte
Enregistrement W2991341937 · doi:10.1080/0886571x.2019.1696263

“Double-edged sword” of Digital Media Use among Youth in Residential Treatment: Perspectives of Service Providers

2019· article· en· W2991341937 sur OpenAlexaff
Bethany Good, Faye Mishna

Notice bibliographique

RevueResidential Treatment for Children & Youth · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Welfare and Adoption
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPublic relationsDigital mediaSocial mediaScholarshipPromotion (chess)Service providerPsychological resilienceResilience (materials science)SociologyService (business)Internet privacyPsychologyBusinessPolitical scienceSocial psychologyMarketingComputer science

Résumé

récupéré en direct d'OpenAlex

The social significance of digital media and technology is incontestable, particularly with youth. While digital media use can offer youth in residential treatment (RT) opportunities, it also carries risks. Although there has been a shift in RT from a model fostering isolated, self-contained settings, toward the promotion of family and community integration, there is a dearth of scholarship addressing youth digital media use in RT. To address the gaps in research on digital media use among youth in RT and the absence of system-wide policies and formal consensus on guidelines for addressing the issue, the findings of the current study offer insight into the experiences of 25 service providers from four programs. The findings highlight that regardless of location or treatment approach, RT is addressing youth digital media use. There exists a continuum of approaches ranging from risk prevention to risk resilience. As social media have made prohibiting contact between youth impossible, digital media use has been a catalyst for programs to attend to youth relationships outside of the programs. Digital media have thus both introduced new challenges to supporting youth and facilitated a more contemporary resilience-oriented and ecologically informed the approach to treatment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,168
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,278
Écart entre enseignants0,247 · 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.

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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResidential Treatment for Children & YouthMême sujetChild Welfare and AdoptionTravaux en français237 207