Finding a Needle in a Haystack: A Systematic Approach for Searching Through Public Databases for Youth Mental Well‐Being Programs
Notice bibliographique
Résumé
BACKGROUND: This practice paper exemplifies a systematic approach used to learn about existing mental well-being programs for youth 11-14 years to inform curriculum development for after-school settings. METHODS: We reviewed 3389 mental well-being programs from publicly accessed databases and conducted a content analysis using inductive and deductive coding to explore the domains each program addressed. RESULTS: Through our content analysis of the final eight programs, we found strong alignment with the Collaborative for Academic, Social and Emotional Learning (CASEL) core social-emotional competencies: self-awareness, self-management, social awareness, relationship skills, and decision-making. IMPLICATIONS FOR PRACTICE: Although using established processes (e.g., PICO, CFIR) to review public databases is an effective research strategy, engaging in research-intensive endeavors is time consuming and may not be practical for after-school administration. The benefits of community-academic partnerships, such as EMPOWER, are highlighted as an approach, and opportunity, to promote evidence-based research practices to inform programming in community organizations. CONCLUSION: Enhancing youth social emotional competencies is an important means to supporting youth mental well-being. Incorporating a systematic approach to select youth mental well-being programs provides a structure, for our EMPOWER project, that can steer the choice of curricula to meet the needs of after-school program contexts.
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 | 0,013 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».