MétaCan
Menu
← Retour à la cohorte
Enregistrement W4296498671 · doi:10.1093/pch/21.supp5.e67b

Learning Problems Among Children of Refugee Background: A Systematic Scoping Review

2016· article· en· W4296498671 sur OpenAlexaff
H Graham, R Minhas

Notice bibliographique

RevuePaediatrics & Child Health · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésPsycINFOCINAHLRefugeeContext (archaeology)Inclusion (mineral)MEDLINESocioeconomic statusMedicineGrey literaturePsychologyClinical psychologyDevelopmental psychologyGerontologyPopulationPsychiatryEnvironmental healthSocial psychologyGeographyPsychological interventionPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND: Learning problems are common, affecting up to one in ten children, occurring within the dynamic, multidimensional context of family, school, community and broader sociocultural environment. Refugee children have, by definition, experienced forced migration, and multiple transitions, and ongoing socioeconomic and cultural challenges that may have cumulative risk factors for learning problems and educational disadvantage. OBJECTIVES: To review the prevalence and major determinants of learning problems in resettled refugee children and available evidence on their educational outcomes. DESIGN/METHODS: A scoping review using Arksey and O'Malley’s framework for scoping studies was employed (a systematic search, selection, extraction, analysis and reporting strategy) to identify the prevalence, major determinants of learning problems and educational achievement in resettled refuge children. Relevant studies were identified from searches of MEDLINE, EMBASE, PubMed, CINAHL PsycInfo, and ERIC. Inclusion criteria were peer-reviewed articles in English addressing the prevalence and/or determinants of learning problems in refugee children. Two independent authors conducted abstract and full text article review. The data was extracted systematically and analysed using Arksey and O'Malley’s descriptive analytical method for scoping studies. RESULTS: A total of 2002 studies were identified and 28 studies met the inclusion criteria to be included in the review. No information was available on the prevalence of specific learning issues, language disorders, or autism spectrum disorders. Included studies found refugee children to possess significant ‘resource’ factors that promote learning success and had similar academic outcomes compared to their native-born peers. Prevalence data were limited, with single studies informing most of the reported estimates. Eight studies examined the impact of trauma on learning identifying mental health issues, personal risk behaviours and lower school performance as key risk factors. Key resource factors were strong family ties, absence of racial discrimination, and school safety. CONCLUSION: This review provides prevalence estimates for learning problems in refugee children, and highlights key ‘risk’ and ‘resource’ factors. This review provides paediatricians recommendations on how best to identify learning strengths and challenges in refugee children, to better advocate for support in achieving academic success. This review advocates for a larger experimental based research measuring educational outcomes in refugee children. Further research is needed to better define the prevalence of learning problems among children of refugee background and to map out the learning progress longitudinally.

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)0,011
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,049
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,005
Bibliométrie0,0160,013
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,024
Tête enseignante GPT0,329
Écart entre enseignants0,305 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetMigration, Health and Trauma→Travaux en français237 207→