“Where Do Children Go?”: Exploring Children’s Daily Destinations With Children, Parents, and Experts
Notice bibliographique
Résumé
Research on children’s destinations has primarily focused on school trips, yet their lives are more than that. Different destinations contribute to children’s quality of life in different ways, but this is rarely examined. For our research, focus groups were conducted with different stakeholders to better understand non-school destinations, namely by identifying common, daily, and informal destinations and perceptions of how they relate to children’s well-being. Online focus group discussions were conducted with children (aged 8–12), parents (with children aged 7–13), and experts from different cities across Canada in May and June 2023, to obtain diverse opinions about children’s destinations. The analysis was conducted based on a prior review to categorize children’s destinations, identify informal destinations, green and grey places, and the relation between those destinations to children’s well-being. Discussions with parents, children, and experts highlighted the diversity of destinations relevant to children. Leisure destinations were one of the most mentioned in the discussions. Spaces without specific rules or structures were identified by experts as beneficial for children’s cognitive, social, physical, and psychological health. Parents mentioned primarily formal places, whereas children and experts mentioned primarily informal ones. Green destinations were more associated with physical well-being, though children dominantly associated green destinations with psychological well-being as well. All groups dominantly associated grey-type destinations with social and cognitive well-being. Using these results, urban planners can develop strategies to improve children’s access to their daily destinations that support their well-being.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».