Exploring school administrators’ perceptions of death education in public schools
Notice bibliographique
Résumé
Background: Talking about death can positively impact health outcomes yet, death remains taboo. As a public health approach to palliative care, death education is one way to normalize conversations about death, dying, caregiving for those with life-limiting illness, and loss. Currently, these themes are not considered as part of the health curriculum in Manitoba. To find novel ways to bring death, dying, caregiving, and grieving into our daily discourse and to increase our death literacy, it is essential to consider upstream interventions for all ages. Death education is one such approach. To date, the current landscape of death education in the Manitoba public school system and administrators’ perceptions of introducing and integrating this into the curriculum are unexplored. Method: A exploratory, descriptive qualitative design was used. Semi-structured interviews were used to elicit experiences with death education and perceptions of formal inclusion in the curriculum from public school principals (n=7). Interviews were transcribed verbatim and content coding was used for analysis in conjunction with reflexive journals. Results: The study revealed conversations about death and grief do occur in schools, while caregiving, life-limiting illness, and dying are left out of the discussion. Schools respond as best they can with limited resources and without guidance. There is an appetite to including death education in the classroom. Administrators saw potential barriers to doing so but also noted supportive measures and specific strategies that would assist in integrating these themes. Conclusion: The knowledge gained from this study highlights the need to proactively address death, dying, caregiving, and loss in the school system. It also addresses the gap in the empirical literature regarding the current landscape and school administrators’ perspectives on including death education in the curriculum.
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 | 0,014 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,009 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».