MétaCan
Menu
Retour à la cohorte
Enregistrement W4286715826 · doi:10.1186/s40359-022-00887-5

Intervention outcome preferences for youth who are out of work and out of school: a qualitative study

2022· article· en· W4286715826 sur OpenAlexafffund
Na Zhu, Lisa D. Hawke, Matthew Prebeg, Em Hayes, Karleigh Darnay, Srividya N. Iyer, Joanna Henderson

Notice bibliographique

RevueBMC Psychology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Education and Societal Dynamics
Établissements canadiensMcGill UniversityDouglas CollegeUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésThematic analysisPsychological interventionPsychologyIntervention (counseling)Mental healthVocational educationQualitative researchFocus groupMedical educationWork (physics)Positive Youth DevelopmentApplied psychologyRelevance (law)PedagogyDevelopmental psychologyMedicinePsychotherapistSociologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: While interventions have been developed and tested to help youth who have become disconnected from work and school, there is a paucity of research on young people's intervention preferences. This study aims to understand young people's preferred intervention outcomes and approaches for youth who are out of work and school. METHODS: Thirty youth participated in virtual focus groups. Transcripts were analyzed using thematic analysis. RESULTS: Youth want interventions and approaches that support them in (1) vocational readiness, (2) securing a job, and (3) mental health and well-being, while providing them with (4) high-contact, individualized, and integrated support. CONCLUSIONS: Young people want interventions to be individualized and integrated, providing a high level of support for their educational and employment pursuits as well as their mental health and well-being. Incorporating youth's perspectives when designing interventions can increase intervention relevance and potentially service uptake, helping youth continue to pursue their educational and vocational goals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

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

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 Opus0,299
Tête enseignante GPT0,519
Écart entre enseignants0,220 · 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 tête enseignante, 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

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC PsychologyMême sujetYouth Education and Societal DynamicsTravaux en français237 207