Youth-identified Considerations for Programming to Support Newcomers’ Healthy Development: A Group Concept Mapping Study
Notice bibliographique
Résumé
Abstract Background There is a well-documented need for more responsive promotion and prevention programming for young immigrants and refugees in the context of mental health and healthy development. Incorporating the voice of newcomers in the development of promotion and prevention efforts could assist in producing culturally-relevant materials and improve program outcomes. Objective Our goal was to utilize youth voice to identify considerations for developing programming to support newcomer youths’ healthy development. Methods We employed mixed methods and analyzed data using concept mapping. A total of 37 newcomers between the ages of 14 and 22 participated in focus groups to share their ideas for creating programming that would focus on relationships and well-being. Relevant responses were collated, cleaned, and generated into unique statements, and then sorted individually by 26 youth into thematically similar categories. We used multidimensional scaling and hierarchal cluster analysis to produce a concept map. Results Six concepts, in rank order of importance, emerged as follows: create a space for sharing; discuss relational issues; teach strategies for adjusting to a new country; teach wellness skills; have feel-good activities; and plan for diversity. Conclusions Participants’ lived experience and their own attendance in programming at newcomer organizations assisted them in brainstorming what types of activities, topics, and skills would be helpful for other newcomer youth, as well as considerations for facilitators implementing such programming. Promotion and prevention efforts intended for newcomer youth may benefit by incorporating ideas from the concept map.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».