What works and why in interventions to strengthen social cohesion: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract COVID‐19 has highlighted worldwide the importance of a strong social and political fabric. Those countries that fared best were ones where there was community connection, belonging, a volunteering ethos, and a belief in the legitimacy of official institutions, all deemed critical aspects of social cohesion. It has become clear that understanding and strengthening social cohesion in times of stability is critical to successfully navigate crisis. Despite its importance, evidence from many countries indicates that this important “social glue” is fragile and at risk, requiring consistent investments to maintain and strengthen it. Governments and communities around the world are looking to evidence‐based strategies to strengthen social cohesion. To facilitate this goal, a systematic review is conducted of four major databases identifying 52 studies with high‐quality evidence of what works and why. We also included the results of three systematic reviews that had investigated the impact of social capital and/or social cohesion on health‐related variables specifically to broaden our search and enrich our findings ( n = 21; total = 73). Using themes identified across governments, it is possible to classify the strengths and limitations of existing research. It becomes clear that the most common effective strategies were (1) awareness raising and coutering existing stereotypes and (2) offering opportunities for positive contact and a more co‐operative assessment of intergroup relations. Missing are leadership processes that can (re)define group‐based values, norms, and behaviors. Specific intervention strategies are outlined as well as directions for future research.
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.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découle