Exploring the Role of Experiential Learning in Tanzania on the Understanding of One Health
Notice bibliographique
Résumé
The One Health framework recognizes the unifying interconnectedness of human, animal, and environmental health, emphasizing the need for interdisciplinary collaboration to address global health challenges. Within this framework, cultural determinants of health including education, beliefs, values, and traditional practices play a critical role in shaping cultural norms, healthcare delivery, and policies. Understanding these determinants is essential for designing effective public health strategies that respect cultural contexts. This study introduces the first iteration of the experiential learning course HSCI 595, designed to build cultural competency and humility to foster health equity learning through direct community engagement. Featuring pre-departure training, reflective assessments, and a 20-day educational trip to Tanzania, this course integrates service-learning experiences at Pamoja Tunaweza Women’s Centre in Tanzania. The course equips students with the skills needed to leverage One Health principles into applications of holistic healthcare. The three primary objectives are to explore how an experiential learning opportunity influences One Health conceptual understanding; how social and health-based activities impact learning and the perceived application of One Health in human health careers; and how experiential learning activities shape understanding of the role of non-human and ecological spheres. A pre/post-survey with quantitative and qualitative metrics will be used to assess changes in students’ understanding of One Health. The study will compare results between students enrolled in HSCI 595 and a cohort of students participating in a theoretical setting to learn about the One Health framework. By integrating experiential learning, this study provides insights into the effectiveness of immersive educational approaches in global health. The findings will contribute to improving curriculum design and preparing future professionals to address complex health challenges through a One Health perspective.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».