Reducing Stigma in Media Professionals: Is there Room for Improvement? Results from a Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: The mass media may increase stigma against people with mental health problems by reinforcing common stereotypes. Media professionals thus represent a target group for antistigma interventions. This paper aims to review available literature on antistigma interventions for mass media professionals, seeking to clarify what kind of interventions have been found to be effective in reducing mental health stigma among mass media professionals. METHOD: Six electronic databases (MEDLINE, PsycINFO, Embase, Cochrane Reviews Library and Cochrane Central Register of Controlled Trials, Web of Science, and Applied Social Sciences Index & Abstracts) were systematically searched through March 2017 for studies addressing antistigma interventions on mass media professionals. Results: A total of 27 studies on antistigma interventions targeted to media professionals were found. Reviewed articles were classified into 3 categories: media-monitoring projects/reporting guidelines ( n = 23), interventions for educating journalists ( n = 2), and interventions for educating journalism students ( n = 2). Overall, antistigma interventions for media professionals seem to have some effect in improving reporting style, thus providing a more balanced portrayal of people with mental health problems: the most promising interventions are contact-based educational approaches and the provision of guidelines by authoritative institutions. CONCLUSION: It should be useful to promote and disseminate contact-based educational interventions targeted to journalists and to include specific modules on mental health topics in the training curricula of journalism students. However, as research in the field suffers from several limitations, high-quality studies exploring the long-term effect of antistigma interventions for media professionals are needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».