Educators’ Perspectives on a Mental Health Check-Up Model for Adolescents: Qualitative Study (Preprint)
Notice bibliographique
Résumé
BACKGROUND Schools play a critical role in identifying adolescent mental health needs early, yet the effectiveness of school-based strategies often depends on how well health information is communicated to educators. OBJECTIVE This study explores how pedagogical leaders perceive a proposed model for adolescent mental health check-ups and identifies key factors for designing effective communication tools between healthcare professionals and schools. METHODS Two participatory workshops were conducted with 44 pedagogical coordinators and educational counselors from elite private schools in São Paulo, Brazil. Structured group discussions and collaborative design activities were used to elicit responses to proposed mental health report formats. Data were analyzed thematically using an inductive approach supported by manual coding and cross-checking by two independent reviewers. No software was used; inter-rater reliability was achieved through iterative discussion. RESULTS Participants expressed a strong preference for mental health reports that are clear, context-sensitive, and co-developed with educators. Key themes included the need for pedagogical rather than clinical language, the importance of mediation by coordinators, and the value of aggregate data for family engagement and institutional planning. Co-creation of communication tools was reported to enhance educators’ sense of relevance and confidence in discussing mental health. These preferences were consistently reported across participants regardless of years of experience, suggesting shared epistemic needs across the field. CONCLUSIONS The study highlights the value of user-informed communication models in mental health screening. Co-created tools aligned with pedagogical practices are more likely to be used and trusted. Effective communication design should be prioritized alongside the development of screening instruments themselves. Further research is needed to adapt this approach to low-resource public school 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 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 | 0,024 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».