Implementation of a SenseMaker® research project among Syrian refugees in Lebanon
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Syrian conflict has displaced over 1.2 million Syrians into Lebanon. As a result of displacement, some Syrian families are turning to child marriage as a coping mechanism. The prevalence of early marriage has reportedly increased and the average age of marriage decreased during the crisis. The aim of the project was to understand the underlying factors contributing to child marriage among Syrian refugees in Lebanon using Cognitive Edge's SenseMaker®. This manuscript explores the process of implementing this novel research tool in a humanitarian setting. Twelve interviewers conducted SenseMaker® interviews with married and unmarried Syrian girls, Syrian parents, as well as married and unmarried men. Participants were asked to share a story about the lives of Syrian girls in Lebanon and to self-interpret the narratives by answering follow-up questions in relation to the story provided. Data collection occurred across three locations: Beirut, Beqaa, and Tripoli. In total 1422 narratives from 1346 unique participants were collected over 7 weeks. Data collection using SenseMaker® was efficient, capable of electronically capturing a large volume of quantitative and qualitative data. SenseMaker® limitations from a research perspective include lack of skip logic and inability to adjust font size on the iOS app. SenseMaker® was an efficient mixed methods data collection tool that was well received by participants in a refugee setting in Lebanon. The utility of SenseMaker® for research could be improved by adding skip logic and by being able to adjust font size on the iOS app.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle