MétaCan
Menu
Retour à la cohorte
Enregistrement W4319793713 · doi:10.21203/rs.3.rs-2504570/v1

Implementation framework for Income Generating Activities identified by community heath volunteers: a strategy to reduce CHV attrition rate in Kilifi County Kenya

2023· preprint· en· W4319793713 sur OpenAlexfundno aff
Roselyter Monchari Riang’a, Njeri Nyanja, Adélaïde Lusambili, Eunice Muthoni Mwangi, Joshua R. Ehrlich, Paul Clayde, Cyprian M. Mostert, Anthony Ngugi

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of CanadaMitsubishi Electric Research LaboratoriesAga Khan Foundation CanadaAga Khan Foundation
Mots-clésFocus groupAttritionStakeholderGovernment (linguistics)Qualitative researchLivelihoodBusinessPublic relationsPolitical scienceMarketingSociologyMedicineGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Background Strategy Implementation has increasingly become a focus of scientific studies. Failure of strategy implementation may result in high monetary costs, wasted time and human resources, and reduced community enthusiasm and diminished trust in project sponsors. This study sought to investigate viable modalities for implementing Income Generating Activities (IGAs) for Community Health Volunteers (CHV) in Kilifi County Kenya as a strategy to improve their livelihoods, increase motivation and reduce attrition. Methods: This was an exploratory qualitative research study. Key informant in-depth interviews were conducted among sub-county Ministry officials and multi-lateral stakeholder representatives. A further 10 Focus group discussions with CHVs were conducted. The data were thematically analysed using MAXQDA 20.2 software. Data codding, analysis and presentation was guided by the Okumu’s (2003) Strategy Implementation framework on factors to consider when implementing strategic decisions: 1) Need for Strategy (Income Generating activities) development, 2) Operational process [ (i) IGAs selection strategy, ii) Resources, iii) people & iv) controls. A new variable, however, emerged from the findings; namely, networks. Results: A need for stable income was identified as the driving factor for CHVs seeking IGAs, as their health volunteer work is non-remunerative. Contextualized projects that acknowledged diversity of CHVs in terms of environmental conditions of origin, experience, culture, and market viability, informed their IGA selection strategy. Self-savings through table-banking, seeking funding support through loans xx from government funding agencies (e.g., Uwezo Fund, Women Enterprise fund, Youth Fund), grants from corporate agencies, politicians, and other donors were proposed. Formal registration of IGAs with a Government Ministry, developing a guiding constitution, empowering CHVs with leadership skills, project and group diversity management, and entrepreneurial skills, and connecting them to support agencies, were the control measures proposed by the CHVs & Key Informants to enhance sustainability of IGAs. Group owned and managed IGAs were preferred over individual IGAs. Conclusion: CHVs are in need of IGAs and proposed their own implementation strategies informed by local context. Agencies supporting IGAs should therefore be guided by the modalities proposed by CHVs and local stakeholders.

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)0,019
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,019
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0060,004
Communication savante0,0050,003
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
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 Opus0,311
Tête enseignante GPT0,467
Écart entre enseignants0,157 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetCommunity Development and Social ImpactTravaux en français237 207