Promoting healthy early childhood language development in migrant families at La Maison Bleue, in Montreal, Quebec
Bibliographic record
Abstract
Objectif: Explorer les perspectives des fournisseurs de soins sur les besoins des familles migrantes en matière de développement du langage et les stratégies qui sont utilisées ou qui pourraient être utilisées pour promouvoir le développement du langage d'une manière culturellement sécuritaire. Méthodes : L'étude s'est déroulée à La Maison Bleue (LMB), un centre offrant des services sociaux et de périnatalité aux familles vulnérables à Montréal pendant la grossesse et jusqu'à l'âge de cinq ans de l'enfant. Les données ont été recueillies par le biais d'entretiens semi-structurés avec 8 membres du personnel et analysées thématiquement. Résultats: Les problèmes de langage sont une préoccupation à LMB, et les facteurs liés à la migration (l’isolement, la santé mentale, le manque d’accès aux ressources) sont considérés comme pouvant contribuer à ces problèmes. La compréhension qu’ont les parents du développement du langage de l’enfant ajoute parfois à ce contexte difficile. Des interventions ciblées ainsi que des stratégies plus globales axées sur le renforcement de la confiance et de la réceptivité des familles aux soins en général, sont utilisées pour favoriser le développement du langage. Les participants ont recommandé d'accorder plus de temps individuel aux familles pour améliorer leur compréhension du développement de l'enfant et pour favoriser leur implication dans des activités visant à stimuler le développement langagier. Ils ont également suggéré d’avoir accès à des spécialistes sur place et plus de ressources communautaires pour mieux soutenir le développement précoce du langage dans les familles migrantes. Conclusion: À LMB, une approche interdisciplinaire et holistique, qui tient compte du contexte de migration/vulnérabilité, est utilisée pour promouvoir le développement du langage d'une manière culturellement sécuritaire. Une mise en oeuvre plus large de cette approche dans différents contextes de soins primaires pourrait être bénéfique pour aider davantage des familles migrantes ayant besoin d'un soutien au développement précoce du langage.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".