An Online, Moderated Peer-to-Peer Support Bulletin Board for Depression: User-Perceived Advantages and Disadvantages
Notice bibliographique
Résumé
BACKGROUND: Online, peer-to-peer support groups for depression are common on the World Wide Web and there is some evidence of their effectiveness. However, little is known about the mechanisms by which Internet support groups (ISGs) might work. OBJECTIVE: This study aimed to investigate consumer perceptions of the benefits and disadvantages of online peer-to-peer support by undertaking a content analysis of the spontaneous posts on BlueBoard, a well-established, moderated, online depression bulletin board. METHODS: The research set comprised all posts on the board (n=3645) for each of 3 months selected at 4 monthly intervals over 2011. The data were analyzed using content analysis and multiple coders. RESULTS: A total of 586 relevant posts were identified, 453 (77.3%) reporting advantages and 133 (22.7%) reporting disadvantages. Positive personal change (335/453, 74.0%) and valued social interactions and support (296/453, 65.3%) emerged as perceived advantages. Other identified benefits were valued opportunities to disclose/express feelings or views (29/453, 6.4%) and advantages of the BlueBoard environment (45/453, 9.9%). Disadvantages were negative personal change (50/133, 37.6%), perceived disadvantages of board rules/moderation (42/133, 31.6%), unhelpful social interactions/contact with other members (40/133, 30.1%), and technical obstacles to using the board (14/133, 10.5%). CONCLUSIONS: Consumers value the opportunity to participate in an online mutual support group for mental health concerns. Further research is required to better understand how and if these perceived advantages translate into positive outcomes for consumers, and whether the perceived disadvantages of such boards can be addressed without compromising the safety and positive outcomes of the board.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».