MétaCan
Menu
Retour à la cohorte
Enregistrement W4213320400 · doi:10.37275/oaijss.v5i2.107

Developing Community Resilience through Grassroot Initiatives: Comparing Culturally Adapted Substance Use Prevention Programs Directed towards Indigenous Youth in Canada

2022· article· en· W4213320400 sur OpenAlexaboutno aff
Megan E. Davies

Notice bibliographique

RevueOpen Access Indonesia Journal of Social Sciences · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousBiopsychosocial modelSubstance abuse preventionSubstance usePsychological interventionPsychological resiliencePsychologySubstance abuseMedicineClinical psychologyPsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Considering the growing prevalence of substance use amongst young people, prevention programs targeting children and adolescents are needed to protect against related cognitive, psychological, and behavioural issues. Preventative programs that have been adapted to Canadian Indigenous cultures in school and family settings are discussed. The first and second phase of the Life Skills Training (LST) program and the Maskwacis Life Skills Training (MLST) program are reviewed, as well as Bii-Zin-Da-De-Da (BZDDD; “Listening to One Another”) and a culturally sensitive smoking prevention program. Motivating factors, comorbid disorders, and at-risk personality types associated with substance use amongst Canadian children and adolescents, specifically Indigenous youth, are considered through the application of the biopsychosocial model. This paper aims to describe the requital efforts being made in Canada towards Indigenous communities, to compare substance use prevention programs targeting Indigenous children and adolescents, and to provide suggestions for future research on preventative interventions directed towards substance use within minority groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,414
Tête enseignante GPT0,506
Écart entre enseignants0,091 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Access Indonesia Journal of Social SciencesMême sujetCommunity Health and DevelopmentTravaux en français237 207