Using photovoice with older adults: some methodological strengths and issues
Notice bibliographique
Résumé
ABSTRACT Photovoice is a qualitative research technique in which participants record and reflect on their community through photography. The technique is gaining popularity as a participatory research methodology. Few studies, however, have described the use of photovoice with older adults. This paper examines the application of photovoice in a qualitative, participatory research study examining age-friendly community characteristics in four communities in Manitoba, Canada. Thirty older adults were provided with cameras and took photographs to illustrate how age-friendly their communities are and participated in group discussions to identify priorities in becoming more age-friendly. The research process and results were analysed in order to assess the application of the methodology with older adults. Photovoice is an effective tool for eliciting older persons’ perceptions of their communities, giving voice to the unique concerns of older adults, and identifying strategies for change. If adapted to accommodate the needs of seniors, this methodology provides an innovative approach to community-based gerontological research. On the other hand, there are a number of challenges to be overcome if photovoice is to be a truly effective research instrument, including recruitment, photography training, retrieving consent forms, and issues of time and distance.
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 | 0,637 | 0,585 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,014 | 0,013 |
| Communication savante | 0,015 | 0,013 |
| Science ouverte | 0,010 | 0,012 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».