MétaCan
Menu
Retour à la cohorte
Enregistrement W2481226959 · doi:10.4018/978-1-5225-1928-7.ch024

The Power of Collaborative Inquiry and Metaphor in Meeting the Health Literacy Needs of Rural Immigrant Women

2017· book-chapter· en· W2481226959 sur OpenAlexaffabout
Al Lauzon, Rachel Farabakhsh

Notice bibliographique

RevueIGI Global eBooks · 2017
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésParticipatory action researchImmigrationLiteracyPresentational and representational actingPedagogyMedical educationCitizen journalismPsychologySociologyPublic relationsMedicinePolitical scienceComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Rural communities often face the need to reach out to immigrant groups to help sustain their populations. However, rural communities often lack the necessary support and resources required to meet the needs of immigrant communities. This chapter reports on the role of a participatory education project in meeting the needs of immigrant Old Colony Mennonite women. Building on an existing ESL program in a rural community in Southwestern Ontario, a participatory health literacy pilot project was developed employing an action research format. With the participants, the authors explored the participant identified topic of dealing with the stress of parenting, using metaphors (presentational knowing) and collaborative inquiry. Post-project, in-depth, semi-structured interviews were completed with participants and program staff. Interview data was analyzed using a constant comparison method and five themes are identified and discussed: (1) reconsidering the nature of their children; (2) the power of language to transform; (3) modeling with language; (4) changing parental behaviours; and (5) normalizing what happens at home. The authors then discuss the efficacy of utilizing presentational knowing and collaborative inquiry as a pedagogical strategy for meeting the learning needs of rural immigrants.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,010
Communication savante0,0060,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,321
Écart entre enseignants0,296 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetService-Learning and Community EngagementTravaux en français237 207