Faire équipe pour l'éducation à la santé en milieu scolaire
Bibliographic record
Abstract
Au Québec, 19 % des adolescents sont fumeurs, 23 % des enfants présentent un surplus de poids, trois jeunes sur cinq ne font pas suffisamment d’activité physique pour en obtenir des bienfaits et 15 % présentent des symptômes reliés à des troubles de santé mentale. Constat alarmant ou défis motivants pour le milieu scolaire, à qui on a confié le mandat de l’éducation à la santé ? Au primaire, au secondaire, au collégial et à l’université, des gens engagés dans l’éducation à la santé ont développé des outils, imaginé des méthodes et exploré des pistes pour contribuer, selon leurs moyens, à l’éducation à la santé en milieu scolaire. Cet ouvrage collectif, qui présente leurs projets, leurs recherches et leurs réflexions, démontre l’importance de faire participer parents, élèves, personnel enseignant et non enseignant, et autres acteurs des milieux communautaire et de la santé publique. Les intervenants des milieux scolaires de tous les ordres d’enseignement y trouveront des ressources et des références pour alimenter leurs réflexions et, surtout, pour soutenir leurs actions. Les étudiants en formation en enseignement et tous ceux qui seront appelés à travailler auprès des enfants et des adolescents y puiseront les connaissances nécessaires pour développer une vue d’ensemble de la problématique et du rôle qu’ils pourront jouer afin de travailler à l’éducation à la santé de leurs élèves. Ce livre constitue une référence indispensable pour les enseignants, qui jouent un rôle dans le développement de la santé et du bien-être des élèves du primaire et du secondaire.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.043 | 0.003 |
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".