MétaCan
Menu
Retour à la cohorte
Enregistrement W4387119570 · doi:10.1080/0145935x.2023.2261370

Needs-Based Mentoring in Schools: A Holistic Approach for Working with Youth at-Risk

2023· article· en· W4387119570 sur OpenAlexaff
Allison H. Cloth, Jessica Trach, Joanna Cannon

Notice bibliographique

RevueChild & Youth Services · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPsychologyPedagogySociologyMedical educationDevelopmental psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

This article describes a theoretical framework for a school-based mentoring (SBM) approach that addresses identified limitations of current adult-youth mentoring practices in schools and augments them with evidence-based components. The Needs-Based Mentoring (NBM) approach includes five elements: (1) Engage, (2) Teach, (3) Structure, (4) Advocate, and (5) Assess. These elements include component practices. Throughout NBM, mentors collaborate with mentees to identify goals based on an informal assessment of the student-mentee’s willingness and ability to engage in the activities involved in each element of mentoring. A description of each element is provided, as well as recommendations for training school-based professionals (e.g., teachers, administrators, school counselors, staff and paraprofessionals) as mentors for efficiency and sustainability. This applied approach will enhance school-based mentoring for the future of one-on-one targeted mentoring with youth at-risk of school dropout to improve school engagement and social-emotional outcomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,369
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,070
Tête enseignante GPT0,295
Écart entre enseignants0,225 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild & Youth ServicesMême sujetMentoring and Academic DevelopmentTravaux en français237 207