Promoting a positive school climate for sexual and gender minority youth through a systems approach: A theory-informed qualitative study.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
as an organizing analytical framework, to explore determinants of school climate for LGBT youth and strategies for intervention. In-depth, semistructured interviews with 16 key informants, including teachers, school staff, administrators, frontline community providers, and experts on bullying victimization of LGBT youth, illustrate reciprocal and multilevel factors that produce school climates, which in turn foster or prevent bullying of LGBT youth. Not only do distal factors (e.g., LGBT-affirmative legislation, targeted resource allocation for LGBT programming) impact school microsystems, but proximal factors in the microsystem, including enacted homophobia and transphobia through multilateral interpersonal interactions, also influence meso- and macrolevel phenomena, such as the values and mission of the school. Participants recommended multilateral interventions and training that address both proximal and distal contexts of school social ecologies, including teacher-student, peer-to-peer (e.g., gay-straight alliances), and teacher-administrator interactions; behavioral health professional roles and responsibilities; school curricula and libraries; school-board engagement with individual schools; LGBT-inclusive policies; targeted resource allocation; and systemwide accountability. Positive school climates for LGBT youth are promoted through multilevel and reciprocal interventions that support social, psychological, and physical safety not just for LGBT students but for all students. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découle