Understanding Refugee Parent-Child Discrepancies in Reporting Socio-Emotional Well-Being
Notice bibliographique
Résumé
Canada has welcomed over 100,000 Syrian refugees since 2015, many of whom have faced displacement-related challenges that shape their socio-emotional well-being. Refugee children, in particular, are at heightened risk for socio-emotional difficulties due to their developmental sensitivity to adversity, exposure to traumatic events, and resettlement stressors. Assessing children’s socio-emotional well-being often relies on both parent-reports and child self-reports; however, discrepancies between these reports commonly occur, and the factors influencing such discrepancies are not well understood, particularly in displaced populations. The present study examined predictors of parent-child discrepancies in reports of socio-emotional well-being and explored whether such discrepancies were associated with children’s learning outcomes. Participants were Syrian refugee children (N = 55, Mage = 14.42) who were resettled in Canada for an average of six years. Results revealed that children consistently self-reported more socio-emotional problems than their parents reported. Moreover, longer time resettled in Canada predicted greater parent-child discrepancies, suggesting that resettlement-related factors and acculturation influence parent-child discrepancies. However, child self-reports, but not parent-reports, showed limited external validity; while parent-child communication barriers may contribute to discrepancies, differences in how socio-emotional constructs are understood and reported by parents and children are important to consider. These findings underscore the importance of including multiple informants in socio-emotional well-being assessments and carefully considering cultural and contextual factors when designing assessments, specifically given the complex dynamics in displaced families. Future research is important to advance the literature to determine whether assessments of socio-emotional well-being should be adapted for specific populations, as suggested by the present findings.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».