MétaCan
Menu
Retour à la cohorte
Enregistrement W4365459301 · doi:10.1080/0142159x.2023.2197134

Little Doctors: Agents of change in Indian rural communities

2023· article· en· W4365459301 sur OpenAlexaff
Kalyani Premkumar, Rajkumar Ramasamy, Mary Ramasamy, Harini Aiyer

Notice bibliographique

RevueMedical Teacher · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSchool Health and Nursing Education
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTamilAgency (philosophy)Medical educationPsychologyMedicineNursingSociologySocial science

Résumé

récupéré en direct d'OpenAlex

The child-to-child approach to health advocacy is one that draws on the strengths and agency of children to make a positive impact within their communities. The approach has been popularly used for health education in low- and middle-income countries. This article describes the 'Little Doctors' program that implemented the child-to-child approach in the towns of KC Patty and Oddanchatram, located in remote hilly regions of Tamil Nadu, India starting in 1986 to train middle- and high school children to respond to diseases prevalent in their communities along with practices for preventative measures. The program involved sessions that used a combination of creative instructional methods to engage students and provided take-home messages for them to act on with their families and community. The program was successful in creating a creative learning environment for children, offering a shift from the traditional methods of classroom instruction. Students who successfully completed the program were awarded certificates as 'Little Doctors' in their communities. Although the program did not conduct formal evaluations of the program effectiveness, students reported successfully recalling complex topics such as early signs of diseases like tuberculosis and leprosy that were prevalent in the community during the time. The program experienced several challenges and had to be discontinued despite its continued benefits to the communities.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,314
Tête enseignante GPT0,536
Écart entre enseignants0,222 · 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.

Devis d'étudeObservationnel
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetSchool Health and Nursing EducationTravaux en français237 207