Participatory Design of an Activities-Based Collective Mentoring Program in After-School Care Settings: Connect, Promote, and Protect Program
Notice bibliographique
Résumé
BACKGROUND: Out of school hours care (OSHC) services provide a unique opportunity to deliver early intervention programs to enhance primary school-aged children's social, emotional, physical, and cognitive well-being; however, such programs are currently lacking. OBJECTIVE: This study aims to address the lack of well-being programs for children accessing OSHC services in the research literature by using participatory design (PD) to collaboratively develop and test an OSHC well-being program-the connect, promote, and protect program (CP3). METHODS: The study employed methods of PD, user (acceptance) testing, and iterative knowledge translation to develop a novel well-being program framework-CP3-with key stakeholders (eg, children, OSHC staff, volunteers, families, clinicians, educators, and researchers). Thematic techniques were used to interpret and translate the qualitative information obtained during the research and design cycles. RESULTS: The co-design process generated the CP3 model, which comprises a group-based mentoring approach to facilitate enhanced activities in OSHC settings. Activities are underpinned by 4 key principles of program delivery: build well-being and resilience, broaden horizons, inspire and engage, and connect communities. CONCLUSIONS: To our knowledge, the CP3 program is the first co-designed well-being program developed specifically for OSHC services. This co-design process is key to ensuring local community needs-particularly those of young people accessing OSHC-are met and that these individuals are meaningfully and actively involved in all stages of the research and design process, from conception to implementation, evaluation, and continuous improvement.
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 | 0,001 |
| 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 ».