The program evaluation of '<scp>Go‐To</scp> Educator Training' on educators' knowledge about and stigma toward mental illness in six Canadian provinces
Notice bibliographique
Résumé
AIM: Schools are well positioned to promote mental health literacy and assist in the early identification of students who may have a mental disorder. However, many educators are unprepared to effectively address these issues. Enhancing this capacity may improve mental health outcomes for students. This report describes the application of a gatekeeper-type program, the 'Go-To Educator Training' (GTET), targeting educators whom students naturally gravitate toward for support, designed to improve educators' mental health knowledge and early identification skills and decrease stigma. METHODS: GTET was conducted in six Canadian provinces (Ontario, Nova Scotia, New Brunswick, Newfoundland, Alberta and Manitoba) (2012-2015), with 949 secondary school educators involved. Pre- and postintervention mental health knowledge and stigma surveys were completed. Paired t-tests assessed change in knowledge and stigma. ANCOVA compared knowledge and stigma change across subgroups. Correlation measured the relationship between knowledge and stigma. RESULTS: Knowledge significantly improved (t[919] = 58.40, P < .001, d = 2.12) and stigma significantly decreased (t[872] = 4.52, P < .001, d = 0.14). Similar results were identified within each province/region. Knowledge and stigma were correlated before (N = 922, r = .18, P < .01) and after the training (N = 888, r = .22, P < .01). CONCLUSIONS: These results suggest GTET may be an effective school-based mental health related intervention. Further study is needed to measure its long-term impact and its role in addressing youth mental health care referrals.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».