MétaCan
Menu
Retour à la cohorte
Enregistrement W2164846886 · doi:10.1177/2158244013512131

Dialectics of Mind, Body, and Place

2013· article· en· W2164846886 sur OpenAlexaffabout
Steve Kusan

Notice bibliographique

RevueSAGE Open · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésMental healthPsychologyMental health literacyKnowledge translationMeaning (existential)Applied psychologyKnowledge managementPsychiatryMental illnessComputer sciencePsychotherapist

Résumé

récupéré en direct d'OpenAlex

This article presents results from an exploratory study of what college students from northern Ontario think about and do to manage their mental health. Data gathered in semistructured interviews were analyzed using the constant comparative method. The purpose of the study is to advance our understanding of the ontogeny, substantive nature and deployment of mental health literacy (MHL). MHL has hitherto been defined as “knowledge and beliefs about mental disorders that aid their recognition, management or prevention.”. This definition effectively translates to knowledge of the contents of the Diagnostic and Statistical Manual of Mental Disorders, currently in its fifth edition. Results of the study suggest that the current definition of MHL is overly narrow, that individuals use knowledge of various types from various sources to manage their mental health, and that the literacies that inform mental health management practices are developed through iterative engagement in autologous knowledge-translation, at the core of which are cultured resonance, meaning-making, metacognitive evaluation, and heuristic experimentation. MHL is redefined as the self-generated and acquired knowledge with which people negotiate their mental health. Broadening the definition of MHL has potential to enhance the capacity of individuals and communities to manage mental health effectively.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,483
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,209
Tête enseignante GPT0,455
Écart entre enseignants0,246 · 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.

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

Citations32
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetMental Health and Patient InvolvementTravaux en français237 207