MétaCan
Menu
Retour à la cohorte
Enregistrement W2128758146 · doi:10.1093/heapro/dau109

Participatory photography gives voice to young non-drivers in New Zealand

2014· article· en· W2128758146 sur OpenAlexaff
Aimee L. Ward, Trina Baggett, Arthur Orsini, Jennifer Angelo, Hank Weiss

Notice bibliographique

RevueHealth Promotion International · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensPositive Living Society of British Columbia
Organismes subventionnairesUniversity of Otago
Mots-clésPhotovoiceCitizen journalismPublic relationsExhibitionPublic healthPsychologyPublic transportLicensureApplied psychologyMedical educationSociologyPolitical scienceMedicineNursingEconomic growthGeography

Résumé

récupéré en direct d'OpenAlex

Youth have the highest crash injury risk in New Zealand. Māori and Pacific youth have an even higher risk. Highlighting and promoting benefits of modal shift from cars to active and public transport may increase health and safety. We aimed to create a discussion surrounding transport issues to gain a better understanding of attitudes and behaviours of non-driving youth, to empower our participants and to promote health and social change by making participants' opinions and experiences known to the broader community through a public exhibition. We engaged nine non-drivers aged 16-24 years in photovoice. Through sharing their photos and stories, participants used the power of the visual image to communicate their experiences. This method is an internationally recognized tool that reduces inequalities by giving those who have minimal decision-making power an opportunity to share their voice. By the end of the project, it was clear that the participants were comfortable with their non-driving status, noting that public and active transport was more cost-effective, easy and convenient. This attitude reflects recent studies showing a marked decrease in licensure among young people in developed countries. This project uniquely prioritized young Māori, Pacific and Asian non-drivers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,003
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,467
Tête enseignante GPT0,625
Écart entre enseignants0,158 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Promotion InternationalMême sujetParticipatory Visual Research MethodsTravaux en français237 207