Digital tools to promote or measure health literacy in children aged 3–5 years: scoping review
Notice bibliographique
Résumé
Health literacy is a determinant of health that should be promoted and measured in early childhood. In the era of digitalization, this could involve digital platforms. However, little knowledge exists on the extent, range, and nature of literature on digital tools for promoting or measuring young children's health literacy. Addressing this gap, a scoping review was undertaken to explore what digital health literacy tools for children aged 3-5 years could be identified in the literature, what their key features were, how they were designed, whether children were codesigners, and whether the tools had been evaluated. Eligibility criteria included the literature being peer-reviewed, published between 2013 and 2024, and in English. Nine health and education databases were searched, and 19 articles met the inclusion criteria. Few of the reported tools covered the core dimensions of health literacy, underlying the need for digital tools that promote and/or measure young children's health-related knowledge and information-related skills. There was sparse description of design approaches, and little evidence children were engaged as active design partners, which is critical to address. Encouragingly, some evidence was usually provided to rationalize choices around specific digital technologies and/or design features, which could be further bolstered with evidence from the field of educational technology for children. There is strength in the literature's reporting of evaluation studies using well-respected design approaches; however, sample sizes were sometimes small, long-term follow-up did not often occur, and the influence of contextual factors on children's use of the tools was not explored.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».