MétaCan
Menu
Retour à la cohorte
Enregistrement W4386649913 · doi:10.1080/14729679.2023.2254863

Loose parts and risky play: playworker perspectives on facilitating a community-based intervention in local parks during the COVID-19 pandemic

2023· article· en· W4386649913 sur OpenAlexaffabout
Gavin R. McCormack, Calli Naish, Jennie Petersen, Patricia K. Doyle–Baker

Notice bibliographique

RevueJournal of Adventure Education & Outdoor Learning · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Intervention (counseling)Adventure education2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Outdoor educationSociologyPsychologyPedagogyMedicineVirology

Résumé

récupéré en direct d'OpenAlex

Play encourages physical and social activity creativity, and risk-taking. However, unstructured and risky play is on the decline. Our qualitative study explored the perspectives of Play Ambassadors, who faciliated a community-based loose parts play intervention (‘play hubs’) in Calgary parks during the COVID-19 pandemic. Using semi-structured interviews with 12 Play Ambassadors, four main topics emerged. Experiences Supporting Unstructured Play reflected how they supported play and their perceptions and observations of the play hubs. Learning to Take Risks in Play reflected how Play Ambassadors’ views on risk and facilitating risky play evolved. Value of the Play Hubs reflected Play Ambassador perspectives on the community and personal impacts of the play hubs. Supporting Play during a Pandemic highlighted the challenges encountered in delivering the play hubs. Our findings suggest that community-based play programs in local parks may be a viable strategy for encouraging play, especially when traditional opportunities are restricted.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,013
Communication savante0,0040,003
Science ouverte0,0020,008
Intégrité de la recherche0,0020,003
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 Opus0,027
Tête enseignante GPT0,325
Écart entre enseignants0,298 · 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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Adventure Education & Outdoor LearningMême sujetUrban Green Space and HealthTravaux en français237 207