An exploration of school attendance problems experienced by children receiving mental health services
Notice bibliographique
Résumé
Aim: School attendance problems (SAPs) are a concern across education systems worldwide. SAPs are disproportionally experienced by certain groups of children, in particular those with mental health difficulties. Existing literature has identified myriad factors, including those proximal and distal, that influence attendance for these children. Most studies to date have focused on linear relationships between a small number of variables and fail to differentiate between types of SAPs (Heyne et al., 2019). A broader understanding of the complex context of school attendance problems remains understudied and is the focus of the current study. Method: Using a qualitative design, we explored a) the SAP typologies and b) the individual characteristics and education-related needs associated with the school attendance problems of 15 children receiving mental health services at a community clinic. Findings: Analyses of client files indicated that a) emotionally based school avoidance was the most common typology, b) approximately half the sample experienced one type of attendance problem while half experienced multiple types, c) anxiety was experienced by all children, and d) emotional, behavioural, social, and academic needs were noted in relation to SAPs over time. Our findings reflect the complex and varied profiles of students who share the experience of having significant school attendance problems. Limitations: Limitations of our study include potential bias introduced through the multi-step data extraction process, a reliance on the judgement of clinicians, and a lack of full access to data caused by Covid-19 restrictions. Conclusions: Future research and practice would benefit from a differentiated approach to understanding, preventing, and intervening to improve attendance and broad success for students with mental health difficulties.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».