Intended Outcomes and Core Components of Primary Care-Based Literacy Promotion as Defined by Experts
Notice bibliographique
Résumé
OBJECTIVE: Primary care-based literacy promotion enhances caregiver-child shared reading and child language outcomes, yet variation in implementation may dilute its impact. This study examines expert perspectives on intended outcomes of literacy promotion, as well as its core components, those necessary to achieve intended outcomes, and components that are recommended but adaptable to context. METHODS: We purposively sampled health care and policy experts in primary care-based literacy promotion from the United States and Canada for online, in-depth interviews. Interviews were recorded, transcribed verbatim, and analyzed iteratively, engaging emergent and a priori codes based on the Components and Rationales for Effectiveness fidelity method and the team's prior work to identify themes. RESULTS: We achieved saturation after 22 interviews with 24 participants (16 US participants, 8 Canadian). We identified 4 themes: 1) Traditionally, literacy promotion focused on enhancing preliteracy skills and school readiness. Over time, this outcome has evolved to include fostering early relational health as a foundational goal; 2) core components include a trusted clinician delivering a strength-based, family-centered message, while modeling developmentally-informed shared reading; 3) components that are adaptable to setting and context include literacy-rich clinical environments and community resource referrals; 4) experts diverged on whether providing a children's book during literacy promotion is essential, but there was congruence that book provision alone is insufficient. CONCLUSIONS: Experts identified strength-based, family-centered guidance from a trusted clinician with developmentally-focused modeling as core to support intended outcomes of early relational health and school readiness. This understanding can inform training and health care improvement activities aimed at optimizing primary care-based literacy promotion.
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 | 0,044 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».