Training needs in dating violence prevention among school staff in Québec, Canada
Notice bibliographique
Résumé
Introduction School staff play a central role in youth sexual health education (SHE), making them critical actors in dating violence (DV) prevention initiatives. However, since most school staff do not benefit from specific training on SHE, they often report feeling challenged in their roles as sex educators. The mention of a lack of self-efficacy to prevent DV is a concern as self-efficacy is associated with the motivation of adopting new behaviors. To optimize the scope of actions used to prevent DV, the SPARX program team sought to identify priority training needs using a mixed-methods design. Methods In the quantitative component of this study, 108 school staff completed an online survey regarding their sense of ease, self-efficacy and barriers faced in regard to DV prevention. For the qualitative component, 15 school staff participated in an individual semi-structured interview, sharing their experiences preventing DV. Descriptive analyses were conducted on the survey data, while direct content analysis using the self-efficacy theory concept was conducted on the interviews. Results To feel confident, school staff members need to learn about DV and healthy relationships and clarify their role in DV prevention. Turnkey activities, preformulated answers to adolescents’ questions, and strategies to reassure reluctant parents can strengthen staff’s sense of self-efficacy. Members of the school staff also want to feel supported and encouraged by their colleagues and school administration in their efforts to prevent DV. Discussion The results highlight the importance of providing training beyond acquisition of knowledge, which can improve attitudes toward DV prevention and a sense of self-efficacy used to transmit content and intervention.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».