Schulische Gesundheitsförderung und Prävention in Deutschland. Aktuelle Themen, Umsetzung und Herausforderungen
Bibliographic record
Abstract
Im Schuljahr 2020/2021 besuchten 8,35 Mio. Kinder und Jugendliche eine von mehr als 31.000 allgemeinbildenden Schulen in Deutschland. Zugleich ist das allgemeinbildendende Schulsystem Arbeitgeber von etwa 700.000 in Vollzeit und Teilzeit tätigen Lehrkräften, wobei das weitere Schulpersonal (z. B. Schulsozialarbeiter*innen, -psycholog*innen, Inklusionshelfer*innen) noch hinzuzurechnen ist. Nicht zuletzt aufgrund der Relevanz, die der Bildungsort Schule für alle dort Tätigen und Lernenden hat, hat sich die Schule seit Verabschiedung der Ottawa-Charta im Jahr 1986 weltweit zu einem zentralen Setting der Gesundheitsförderung und Prävention entwickelt. Dabei wird die Schule auch als geeigneter Ort gesehen, alle Kinder und Jugendlichen ungeachtet ihrer sozialen, kulturellen oder religiösen Herkunft zu erreichen und mit gesundheitsbezogenen Maßnahmen anzusprechen. Hierüber soll ausdrücklich auch ein Beitrag zur Verbesserung der Bildungsqualität geleistet werden. Derzeit existiert eine Vielfalt von Ansätzen, die unterschiedliche Präventionsebenen (Verhalten, Verhältnisse), Zielgruppen (Schüler*innen, Lehrkräfte, Eltern) und Themen (z. B. körperliche Aktivität, psychische Gesundheit, Ernährung, gesundheitsförderliche Organisationsentwicklung) adressieren. Diese werden auf Ebene von Kommune, Land und Bund mit unterschiedlicher Komplexität und Reichweite umgesetzt.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".