MétaCan
Menu
Retour à la cohorte
Enregistrement W4313398026 · doi:10.3390/ijerph20010814

Exploring Extreme Weather and Recess Policies, Practices, and Procedures in the Canadian Context

2023· article· en· W4313398026 sur OpenAlexafffundabout
Brenton Button, Gina Martin

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensAthabasca UniversityWestern UniversityUniversity of Winnipeg
Organismes subventionnairesUniversity of Winnipeg
Mots-clésContext (archaeology)Weather modificationExtreme weatherBest practicePsychologyPublic relationsMedical educationPolitical scienceMedicineGeographyMeteorologyEcologyClimate change

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to explore the different policies, practices, and procedures that are used on weather and recess in the Canadian context. Fifty school websites were examined, and ten key informants were interviewed. Policies, practices, and procedures from school websites were downloaded, and interviews were transcribed verbatim and analyzed using a qualitative content analysis. Fourteen schools had an outwardly facing policy, practice, or procedure for weather and recess. Cold temperatures were the most often cited reason for modifying recess to be indoors, with temperatures ranging from -20 to -40 for complete indoor recess. Precipitation was only found in four online documents but was mentioned as a reason to modify recess by all key informants. Additionally, key informants discussed variability in how recess policies, practices, and procedures were followed. The findings of this study illustrate inconsistencies in both formal and informal school weather and recess policies. With outdoor recess providing numerous opportunities to improve various domains of well-being, it is pertinent to understand the conditions on which it is being modified.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,565

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,007
Études des sciences et des technologies0,0150,007
Communication savante0,0070,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,354
Tête enseignante GPT0,412
Écart entre enseignants0,058 · 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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetUrban Green Space and HealthTravaux en français237 207