Recommendations for Performing Internet-Based Research on Sensitive Subject Matter with “Hidden” or Difficult-to-Reach Populations
Notice bibliographique
Résumé
Since the mid-1990s, the rapidly increasing popularity of the Internet has contributed to a situation in which many men turn to Web sites to find sex partners with whom they can engage in risky behaviors. Scholars only recently began to examine the role of the Internet in harm-seeking and help-seeking behaviors. They are just now beginning to study and understand how to apply public health promotion principles to people using the Internet. Due in part to the relative newness of the Internet on the public health landscape, scholars wishing to conduct research or to implement health promotion programs online should consider a variety of challenges to doing such work-challenges that differ from those typically faced when undertaking similar work in other types of venues offline. The purpose of this article is to address several of these research considerations. In particular, the present authors wish to provide researchers and health care specialists with key considerations when developing their own Internet-based research or health promotion programs. We also wish to furbish readers with some experience-based suggestions about how to avoid the potential pitfalls of conducting Internet-based studies. Moreover, our emphasis is on how to develop such programs when they are targeting hard-to-reach or "hidden" populations and/or when they deal with sensitive subject matter. Recommendations pertaining to the planning, recruitment, implementation, and evaluation stages of doing professional work online are provided.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».