MétaCan
Menu
Retour à la cohorte
Enregistrement W2759390074 · doi:10.2196/resprot.8397

Influence of Information and Communication Technologies on the Resilience and Coping of Sexual and Gender Minority Youth in the United States and Canada (Project #Queery): Mixed Methods Survey

2017· article· en· W2759390074 sur OpenAlexaffvenueabout
Shelley L. Craig, Lauren B. McInroy, Sandra D’Souza, Ashley Austin, Lance T. McCready, Andrew D. Eaton, Leslie Regan Shade, M. Alex Wagaman

Notice bibliographique

RevueJMIR Research Protocols · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSexual minorityPsychologyPopulationSocial psychologyApplied psychologySexual orientationSociologyDemography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Sexual and gender minority youth are a population in peril, exemplified by their disproportionate risk of negative experiences and outcomes. Sexual and gender minority youth may be particularly active users of information and communication technologies (ICTs), and it is important to identify the potential contributions of ICTs to their resilience and well-being. OBJECTIVE: Our aim was to (1) investigate the use of ICTs by sexual and gender minority youth, (2) identify the ways that ICTs influence the resilience and coping of sexual and gender minority youth, focusing on promotion of well-being through self-guided support-seeking (particularly using mobile devices), (3) develop a contextually relevant theoretical conceptualization of resilience incorporating minority stress and ecological approaches, (4) generate best practices and materials that are accessible to multiple interested groups, and (5) identify whether video narratives are a viable alternative to collect qualitative responses in Web-based surveys for youth. METHODS: Mixed methods, cross-sectional data (N=6309) were collected via a Web-based survey from across the United States and Canada from March-July 2016. The sample was generated using a multipronged, targeted recruitment approach using Web-based strategies and consists of self-identified English-speaking sexual and gender minority youth aged 14-29 with technological literacy sufficient to complete the Web-based survey. The survey was divided into eight sections: (1) essential demographics, (2) ICT usage, (3) health and mental health, (4) coping and resilience, (5) sexual and gender minority youth identities and engagement, (6) fandom communities, (7) nonessential demographics, and (8) a video submission (optional, n=108). The option of a 3-5 minute video submission represents a new research innovation in Web-based survey research. RESULTS: Data collection is complete (N=6309), and analyses are ongoing. Proposed analyses include (1) structural equation modeling of quantitative data, (2) grounded theory analysis of qualitative data, and (3) an integrative, mixed methods analysis using a data transformation design. Theoretical and methodological triangulation of analyses integrates an interwoven pattern of results into a comprehensive picture of a phenomenon. Results will be reported in 2017 and 2018. CONCLUSIONS: This research study will provide critical insights into the emerging use of ICTs by sexual and gender minority youth and identify intervention strategies to improve their well-being and reduce risks encountered by this vulnerable population. Implications for practice, research, and knowledge translation are provided.

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)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

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

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 Opus0,389
Tête enseignante GPT0,601
Écart entre enseignants0,212 · 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.

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

Citations42
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetLGBTQ Health, Identity, and PolicyTravaux en français237 207