Background: Recently, research focus has shifted to the combination of all 24-h movement behaviors (physical activity, sedentary behavior and sleep) instead of each behavior separately. Yet, no reliable and valid proxy-report tools exist to assess all these behaviors in 0–4-year-old children. By involving end-users (parents) and key stakeholders (researchers, professionals working with young children), this mixed-methods study aimed to 1) develop a mobile application (app)-based proxy-report tool to assess 24-h movement behaviors in 0–4-year-olds, and 2) examine its content validity. Methods: First, we used concept mapping to identify activities 0–4-year-olds engage in. Parents (n = 58) and professionals working with young children (n = 21) generated a list of activities, sorted related activities, and rated the frequency children perform these activities. Second, using multidimensional scaling and cluster analysis, we created activity categories based on the sorted activities of the participants. Third, we developed the My Little Moves app in collaboration with a software developer. Finally, we examined the content validity of the app with parents (n = 14) and researchers (n = 6) using focus groups and individual interviews. Results: The app has a time-use format in which parents proxy-report the activities of their child, using eight activity categories: personal care, eating/drinking, active transport, passive transport, playing, screen use, sitting/lying calmly, and sleeping. Categories are clarified by providing examples of children’s activities. Additionally, 1–4 follow-up questions collect information on intensity (e.g., active or calm), posture, and/or context (e.g., location) of the activity. Parents and researchers considered filling in the app as feasible, taking 10–30 min per day. The activity categories were considered comprehensive, but alternative examples for several activity categories were suggested to increase the comprehensibility and relevance. Some follow-up questions were considered less relevant. These suggestions were adopted in the second version of the My Little Moves app. Conclusions: Involving end-users and key stakeholders in the development of the My Little Moves app resulted in a tailored tool to assess 24-h movement behaviors in 0–4-year-olds with adequate content validity. Future studies are needed to evaluate other measurement properties of the app.
MULTIFILE
Evidence based practice, wie kan daar tegen zijn? Toch blijkt evidence based werken in de sociale sector nog niet zo eenvoudig uit te voeren. Mensen op de werkvloer stellen dat weinig methoden werkelijk aantoonbaar effectief zijn, en onderzoekers morren dat er te weinig gebruik wordt gemaakt van hun wetenschappelijke kennis. Ondertussen staat de kwaliteit van de sociale sector steeds opnieuw ter discussie. Dit boek beschrijft de inhoud en relevantie van evidence based practice, maar ook de bijziendheid van die benadering. Er zijn immers behalve wetenschap nog veel meer krachten die de dynamiek op de werkvloer van de sociale sector beïnvloeden. De basis waarop professionals kiezen een bepaalde sociale interventie wel of niet te gebruiken omvat veel meer dan alleen wetenschap. Aan de hand van theoretische beschouwingen en biografieën van sociale interventies verruimen de auteurs de discussie over beroepsinnovatie. Hoe goed is de sociale sector in staat om lessen te trekken uit zijn eigen geschiedenis? Brengt de canon sociaal werk alleen maar voortgang in beeld of ook vooruitgang? En is het mogelijk de kwaliteit van de sector daadwerkelijk te verbeteren door inzichten uit praktijk en wetenschap te gebruiken? Bestemd voor iedereen die bij de sociale sector betrokken is en een eigen mening wil vormen over de discussie over evidence based practice: hulpverleners, managers van welzijnsinstellingen, ambtenaren sociaal beleid bij gemeenten, studenten hoger sociaal agogisch onderwijs en uiteindelijk ook de cliënten die van al deze mensen hulpverlening krijgen.
DOCUMENT
Deze bachelor scriptie is geschreven voor het afstudeeronderzoek dat deel uit maakt van de opleiding archeologie aan Hogeschool Saxion te Deventer. De auteur van deze scriptie is Hugo Pothof. Het doel van dit onderzoek was het ontwikkelen van een nieuwe methode voor het herkennen van afwijkende graven. Dit zijn graven van individuen die op een niet reguliere manier begraven zijn voor hun cultuur en/of tijdsperiode. Voor dit onderzoek is de volgende hoofdvraag opgesteld: Hoe kunnen afwijkende graven in begraafplaatsen uit de Late Middeleeuwen/Nieuwe tijd geïdentificeerd worden met behulp van statistische en ruimtelijke analyses? Het eerste gedeelte van dit onderzoek bestond uit het opstellen van de nieuwe methode. Hiervoor zijn analyses en criteria verzameld en opgesteld die gebruikt kunnen worden voor statistisch onderzoek voor het herkennen van afwijkende graven. Voor deze criteria zijn drie soort analyses gebruikt. Ten eerste is voor categorische data (teksten) gebruik gemaakt van percentuele begrenzingen om weinig voorkomende waarnemingen aan te duiden als afwijkende graven. Daarnaast zijn voor numerieke data (getallen) gebruik gemaakt van de outlier detection with IQR. De Find Outliers tool in ArcGIS kan automatisch ruimtelijk afwijkende polygonen herkennen. Met de programmeertaal R een script (code) geschreven die het mogelijk maakt om consistent en reproduceerbaar deze analyses uit te voeren. Ook kunnen met het script grafieken gemaakt worden van de data. Om de nieuwe methode te toetsen zijn in totaal vijf begraafplaatsen uit de gemeentes Zutphen en Doesburg geanalyseerd. Deze begraafplaatsen zijn allemaal christelijke begraafplaatsen uit de Late Middeleeuwen en het begin van de Nieuwe tijd. Daarnaast is ook één grote dataset gemaakt waarin alle grafdata staat. Deze is gebruikt om de begraafplaatsen met elkaar te vergelijken.
MULTIFILE
