The SNAP-Ed Evaluation Framework: Nationwide Uptake and Implications for Nutrition Education Practice, Policy, and Research
Notice bibliographique
Résumé
OBJECTIVE: Provide the first baseline census of Supplemental Nutrition Assistance Program Education (SNAP-Ed) state implementing agencies' (SIAs) intent to use and evaluate 51 indicators described in the SNAP-Ed Evaluation Framework. METHODS: A cross-sectional study design was used to administer electronic surveys to 124 SIAs who received SNAP-Ed funding in 2017. Descriptive statistics were used to analyze the results. RESULTS: Of 51 indicators, SIAs reported their intent to impact an average of 19 indicators and evaluate an average of 12. More SIAs reported the intention to impact indicators at the individual (59%) and environmental levels (48%), compared with the sectors of influence (20%) and population levels (30%) of the framework. In addition, more SIAs intended to impact and evaluate short- or medium-term indicators, compared with long-term indicators. CONCLUSIONS AND IMPLICATIONS: These findings illustrate the progress made toward aggregating metrics to measure the collective impact of SNAP-Ed.
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 | 0,403 | 0,445 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,007 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».