MétaCan
Menu
Retour à la cohorte
Enregistrement W4399233566 · doi:10.21061/jvs.v10i1.556

Recreation-Based Programming for Veteran Families: Practitioners’ Perspective

2024· article· en· W4399233566 sur OpenAlexaff
Nasaskyia R. Hicks, Iryna Sharaievska, Jasmine Townsend, Deborah A. Tysor, Bryan Lee Miller

Notice bibliographique

RevueJournal of Veterans Studies · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Development and Social Support
Établissements canadiensDouglas College
Organismes subventionnairesnon disponible
Mots-clésRecreationPerspective (graphical)SociologyPsychologyComputer sciencePolitical scienceArtificial intelligenceLaw

Résumé

récupéré en direct d'OpenAlex

Reintegration presents many challenges for transitioning veterans and their families. Veterans return to civil life needing mental health and family services support. Recreation-based programs have been introduced to veterans and their families to help address their needs during and after reintegration. Few studies examine the perspectives of practitioners in veteran-serving organizations focusing on recreation-based programs. Interviews were conducted with eight practitioners and analyzed using qualitative coding. According to practitioners, veterans and their families experienced multiple benefits and learned new skills through the programs, including communication skills, better emotional response, reestablishment of family roles, and problem-solving skills. They also learned about mental health and had an opportunity to decompress and have fun with their families and other veterans. The practitioners also reported that the veterans expressed a desire to include family members in programs, learn more about mental health issues, and share their experiences with fellow veteran families. There were also several barriers experienced by the program providers, including limited funding and staff, and the ability to find housing suitable for the families.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,138
Tête enseignante GPT0,462
Écart entre enseignants0,324 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Veterans StudiesMême sujetYouth Development and Social SupportTravaux en français237 207