MétaCan
Menu
Retour à la cohorte
Enregistrement W4388776917 · doi:10.1177/21582440231208986

Stakeholders’ Perspectives of Enablers and Barriers to Successfully Implementing an Integrated Early Childhood Development Program in an Informal Urban Settlement in Kenya

2023· article· en· W4388776917 sur OpenAlexaff
Derrick Ssewanyana, Marie‐Claude Martin, Vibian Angwenyi, Margaret Kabue, Kerrie Proulx, Linlin Zhang, Tina Malti, Eunice Njoroge, Carophine Nasambu, Joyce Marangu, Rachael Odhiambo, Eunice Ombech, Mercy Moraa Mokaya, Emmanuel Kepha Obulemire, Greg Moran, Stephen J. Lye, Kofi Marfo, Amina Abubakar

Notice bibliographique

RevueSAGE Open · 2023
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensWestern UniversityUniversity of TorontoLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesnon disponible
Mots-clésFocus groupTransparency (behavior)Capacity buildingWorkforceEarly childhoodSettlement (finance)Public relationsInformal settlementsEquity (law)BusinessEconomic growthPsychologyPolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Integrated early childhood development (ECD) programs boost child health and developmental outcomes. However, the factors contributing to the successful implementation of such programs in informal urban settlements are not well researched. We conducted 14 focus group discussions and 13 key informant interviews with 125 caregivers of children under the age of 5 years and stakeholders, exploring their views on enablers and barriers to implementing an integrated ECD program in an informal settlement in Kenya. Strategic engagement, capacity building, transparency, fair compensation of ECD workforce, communication skills, and the need to tailor ECD programs to local realities were discussed. An equity-focused implementation approach for integrated ECD programs is timely.

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)0,009
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,020
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,004
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,313
Écart entre enseignants0,278 · 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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetChild Nutrition and Water AccessTravaux en français237 207