Measuring and Predicting Intention of Senegalese Mothers to Provide Iron-Rich Foods to their Children
Notice bibliographique
Résumé
In Senegal, only 43% of children aged 6-23 months are provided with iron-rich foods (IRF). Assessing determinants of mothers’ behaviour is imperative to improve young children nutrition. We developed a validated questionnaire and used it to assess psychosocial factors of mothers' intention to provide IRF to their children aged 6-23 months in the Matam area, Senegal. Using the planned behaviour theory, the first version of a questionnaire was developed and administered to 120 mothers. Exploratory factorial analyses (EFA) were used to generate a shorter and validated final version of the questionnaire, administered to another sample (N=100) of mothers to assess psychosocial factors underlying their intention to provide IRF to children. EFA revealed the importance of perceived benefits mothers have for the health/welfare of their children if providing them IRF, about acting according to expectations of persons in their surroundings and limited access to IRF due to physical/financial constraints. Attitude (β=0.26, p = 0.015) and subjective norm (β = 0.22, p = 0.047) were positively associated with mothers’ intention to provide IRF to their children. Together with sociodemographic variables, they explained 14% of its variance. Our findings revealed that mothers have a strong intention to provide IRF to their children. Although further assessments of this questionnaire are warranted in other contexts, this tool could provide information on potential determinants of mothers’ intention to provide IRF to children.
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 | 0,001 | 0,003 |
| 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) | 0,001 | 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 ».