MétaCan
Menu
Retour à la cohorte
Enregistrement W2066085782 · doi:10.1080/18377122.2014.940812

Online, tuned in, turned on: multimedia approaches to fostering critical media health literacy for adolescents

2014· article· en· W2066085782 sur OpenAlexafffund
Deborah L. Begoray, Elizabeth Banister, Joan Higgins, Robin Wilmot

Notice bibliographique

RevueAsia-Pacific Journal of Health Sport and Physical Education · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensUniversity of Victoria
Organismes subventionnairesCanada Research Chairs
Mots-clésMedia literacyCritical literacyHealth literacySociocultural evolutionHealth communicationInformation literacyCritical thinkingLiteracyHealth educationHealth informationMultimediaPsychologyPedagogyMathematics educationSociologyPublic relationsComputer scienceMedicinePolitical sciencePublic healthHealth careNursing

Résumé

récupéré en direct d'OpenAlex

The commercial media is an influential sociocultural force and transmitter of health information especially for adolescents. Instruction in critical media health literacy, a combination of concepts from critical health literacy and critical media literacy, is a potentially effective means of raising adolescents’ awareness about commercial media and its influence on their health. We first provide background on critical media health literacy for adolescents. We then discuss the potential for involving adolescents in creating multimedia to demonstrate basic principles of critical media health literacy skills. Using excerpts from two of our research projects to illustrate our ideas, we draw conclusions and suggest future research in critical media health literacy for adolescents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,733

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,134
Tête enseignante GPT0,468
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAsia-Pacific Journal of Health Sport and Physical EducationMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207