Understanding the developmental well-being of children from refugee backgrounds in British Columbia, Canada: A population-level mixed methods approach
Notice bibliographique
Résumé
Objectives and ApproachThis study utilized an explanatory sequential mixed methods approach to investigate the developmental well-being of children from refugee backgrounds in British Columbia (BC), Canada. Objective 1 (quantitative) leveraged population-level, government administrative data individually linked to a province-wide, routinely collected, teacher-reported measure of children’s development in kindergarten (the Early Development Instrument; EDI) to examine developmental outcomes across five domains for children identified as first-generation refugees (N=770), first-generation immigrants (N=7875), and non-migrants (N=199,186). In Objective 2 (qualitative), the population-level EDI results were brought to focus groups with BC educators and settlement workers (N=7) who work closely with children from refugee backgrounds to further corroborate, expand, and elaborate on the findings. ResultsA series of multiple linear regression models; adjusted for age, sex, and English Language Learner status showed that first-generation refugee status was significantly predictive of lower EDI scores in the areas of language & cognitive development, communication & generation knowledge, social competence, emotional maturity, and physical health & well-being. Focus group results corroborated the quantitative findings, added critical complexity/context (e.g., impacts of trauma), and identified important policy-oriented levers (e.g., early, accessible assessments and supports). ConclusionsThe study provided an understanding of the population-level developmental well-being of children from refugee backgrounds in BC, framed by rich, contextualized, and actionable knowledge from focus groups. ImplicationsShowcasing the combined breadth and depth of using a mixed methods approach, how we can best support the developmental challenges and build upon the strengths of children from refugee backgrounds will be discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».