Prioritizing the Prevention of Child-Family Separation: The Value of a Public Health Approach to Measurement and Action
Notice bibliographique
Résumé
Disaster-affected children are among the most vulnerable populations and face a wide range of threats to their health and wellbeing. One of the most significant risks to children is separation from their family, a problem that occurs in most humanitarian contexts. Because separation can have lasting adverse consequences for children’s health and wellbeing, child protection actors frequently develop programs to respond to the needs of separated children. However, methods to measure prevalence, characteristics, and root causes of separation are scarce and rarely deployed in humanitarian settings. Existing measurement and programmatic approaches focus primarily on responding to already separated children and give little attention to the prevention of separation at a population level, the context and prevalence of separation, and the root causes of separation. Analyzing how a public health approach helps to fill these gaps, this paper presents a systematic, conceptual and practical case for incorporating a public health approach in the measurement of and programming for separation of children in humanitarian settings. It argues that a population-level, preventive approach to measurement and programming will complement the more common case-based, responsive approach to separation of children and enables children’s well-being amidst adversity.
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 | 0,097 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,033 |
| Communication savante | 0,020 | 0,018 |
| Science ouverte | 0,006 | 0,022 |
| Intégrité de la recherche | 0,011 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».