Effective child well-being practices, barriers and priority actions: survey findings from service providers and policymakers in 22 countries during COVID-19
Notice bibliographique
Résumé
Purpose The purpose of this study was to explore 232 service providers’ and policymakers’ experiences of supporting children’s well-being during the pandemic, across sectors, in 22 countries – including Kenya, the Philippines, South Africa, India, Scotland, Sweden, Canada and the USA, in the last quarter of 2020. Design/methodology/approach A smartphone survey delivered via a custom-built app containing mostly open-ended questions was used. Respondents were recruited via professional networks, newsletters and social media. Qualitative content analysis was used. Findings The findings reveal numerous system-level challenges to supporting children’s well-being, particularly virus containment measures, resource deficiencies and inadequate governance and stakeholder coordination. Those challenges compounded preexisting inequalities and poorly affected the quality, effectiveness and reach of services. As a result, children’s rights to an adequate standard of living; protection from violence; education; play; and right to be heard were impinged upon. Concurrently, the findings illustrate a range of adaptive and innovative practices in humanitarian and subsistence support; child protection; capacity-building; advocacy; digitalisation; and psychosocial and educational support. Respondents identified several priority areas – increasing service capacity and equity; expanding technology use; mobilising cross-sectoral partnerships; involving children in decision-making; and ensuring more effective child protection mechanisms. Practical implications This study seeks to inform resilience-enabling policies and practices that foster equity, child and community empowerment and organisational resilience and innovation, particularly in anticipation of future crises. Originality/value Using a novel approach to gather in-the-moment insights remotely, this study offers a unique international and multi-sectoral perspective, particularly from low- and middle-income countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».