Using interactive theatre to help fertility providers better understand sexual and gender minority patients
Notice bibliographique
Résumé
OBJECTIVE: To determine the effectiveness of interactive theatre as a knowledge translation and exchange (KTE) method to educate assisted human reproduction (AHR) service providers about lesbian, gay, bisexual, trans and queer (LGBTQ) patients. DESIGN: We transformed data from the 'Creating Our Families' study, a qualitative, community-based study of LGBTQ peoples' experiences accessing AHR services, into a script for an interactive theatre workshop for AHR service providers. Based on forum theatre principles, our workshop included five scenes illustrating LGBTQ people interacting with service providers, followed by audience interventions to these scenes. Before and after the workshop, service providers completed surveys to assess their knowledge and comfort concerning LGBTQ patients, as well as the modality of the interactive theatre workshop as a KTE strategy. Wilcoxon signed-rank tests were used to determine changes in preworkshop and postworkshop knowledge and comfort scores. RESULTS: Thirty AHR service providers attended the workshop. Twenty-three service providers (76.7%) fully completed the preworkshop and postworkshop evaluation forms. Service providers' knowledge scores significantly improved after the workshop, while their comfort scores minimally decreased. Most agreed that the interactive workshop was an effective KTE method. CONCLUSIONS: In comparison with traditional forms of KTE, interactive theatre may be particularly effective in engaging service providers and addressing their attitudes towards marginalised patient populations. Although the evaluation results of our interactive workshop were mostly positive, the long-term impact of the workshop is unknown. Long-term evaluations are needed to determine the effectiveness of arts-based KTE efforts. Other considerations for developing effective arts-based KTE strategies include adequate funding, institutional support, attention to power dynamics and thoughtful collaboration with forum theatre experts.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».