Engaging peers to promote well‐being and inclusion of newcomer students: A call for equity‐informed peer interventions
Notice bibliographique
Résumé
Abstract Although newcomer youth demonstrate high levels of resiliency, many experience challenges in emotional, linguistic, academic, and social functioning. Over the past decade, some promising school‐based psychosocial interventions for newcomer youth have been developed. These interventions are necessary, but not sufficient to promote well‐being. Without attention to the larger context, focusing solely on the skills and adjustment of newcomer youth could potentially stigmatize students further. There is a need to engage non‐newcomer peers for two reasons. First, peer relationships and inclusion are important predictors of well‐being. Second, from an equity lens, there is a need to create environments that promote youth well‐being; at the very least, these environments must engage non‐newcomer youth in recognizing and combatting discrimination. This study outlines the need for peer‐focused programming to support newcomers and describes existing research on interventions developed to promote peer relationships (e.g., mentoring) or reduce discrimination (e.g., teacher‐led discrimination reduction approaches). We identify other intervention models that could inform how to add an equity lens to school mental health intervention, including how a gender‐sexuality alliance model could be adapted, and how equity considerations could be integrated into bystander approaches. We conclude with specific implications and recommendations for embedding equity into school mental health.
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 | 0,017 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».