Children's learning and development in conflict- and crisis-affected countries: Building a science for action
Notice bibliographique
Résumé
This paper critically reviews the opportunities and challenges in designing and conducting actionable research on the learning and development of children in conflict- and crisis-affected countries. We approached our review through two perspectives championed by Edward Zigler: (a) child development and social policy and (b) developmental psychopathology in context. The aim of the work was to answer the following questions: What works to enhance children's learning and development in such contexts? By what mechanisms? For whom? Under what conditions? How do experiences and conditions of crisis affect the basic processes of children's typical development? The review is based on a research-practice partnership started in the Democratic Republic of the Congo in 2010 and expanded to research in Niger and Lebanon in 2016. The focus of the research is on the impact of Healing Classrooms (a set of classroom practices) and Healing Classrooms Plus (an additional set of targeted social and emotional learning activities), developed by the International Rescue Committee, on children's academic outcomes and social and emotional learning. We sought to extract lessons from this decade of research for building a global developmental science for action. Special attention is paid to the importance of research-practice partnerships, conceptual frameworks, measurement and methodology. We conclude by highlighting several essential features of a global developmental science for action.
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 | 0,041 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,026 |
| Communication savante | 0,017 | 0,020 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».