MétaCan
Menu
Retour à la cohorte
Enregistrement W6959753390 · doi:10.11575/prism/49018

Use of Social Media and Community Outreach for Immigrant Youth Recruitment during COVID-19

2021· other· en· W6959753390 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2021
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant pathogens and resistance mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutreachImmigrationSocial mediaRefugeeFocus groupPromotion (chess)Health promotionTarget audience

Résumé

récupéré en direct d'OpenAlex

Background: When starting any program, it is essential to have an efficient approach of recruitment among your target population. We outline below the approach employed for recruiting immigrant and refugee teens between the ages of 14 and 18 for the Refugee and Immigrant SelfEmpowerment (RISE) for Health and Wellness summer program. Methods: We planned for a multi-pronged approach as we anticipated that this approach would be able to touch the largest number of youths, thus increasing our likelihood of having participants. As such, we aimed at placing our recruitment materials in schools, community activities, and social media. We expected that these would be the highest viewed areas during Covid-19. In schools, posters were placed within hallways and were shared by RISE youth volunteers. Social media was employed through the use of weekly Instagram posts regarding health matters and through triweekly stories endorsing the program. Finally, RISE posters had been sent to community and cultural groups throughout Calgary for their distribution. Results: More than 20 students applied to participate at the beginning of the year whereas only 9 completed the program indicating that some methods were more effective than others. The specific factors are yet to be known and will be found through future focus groups. Conclusion: Feedback from youth regarding the approach is still needed to understand the most effective approaches used. However, it should be noted that a number of other approaches, such as promotion through a central website and parental engagement, should be taken in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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.

Tête enseignante Opus0,259
Tête enseignante GPT0,319
Écart entre enseignants0,059 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetPlant pathogens and resistance mechanismsTravaux en français237 207