Experiences of community members and researchers on community engagement in an Ecohealth project in South Africa and Zimbabwe
Notice bibliographique
Résumé
BACKGROUND: Community engagement (CE) models have provided much needed guidance for researchers to conceptualise and design engagement strategies for research projects. Most of the published strategies, however, still show very limited contribution of the community to the engagement process. One way of achieving this is to document experiences of community members in the CE processes during project implementation. The aim of our study was to explore the experiences of two research naïve communities, regarding a CE strategy collaboratively developed by researchers and study communities in a multicountry study. METHODS: The study was carried out in two research naïve communities; Gwanda, Zimbabwe and uMkhanyakude, South Africa. The multicentre study was a community based participatory ecohealth multicentre study. A qualitative case study approach was used to explore the CE strategy. Data was collected through Focus Group Discussions, Key Informant Interviews and Direct Observations. Data presented in this paper was collected at three stages of the community engagement process; soon after community entry, soon after sensitisation and during study implementation. Data was analysed through thematic analysis. RESULTS: The communities generally had positive experiences of the CE process. They felt that the continuous solicitation of their advice and preferences enabled them to significantly contribute to shaping the engagement process. Communities also perceived the CE process as having been flexible, and that the researchers had presented an open forum for sharing responsibilities in all decision making processes of the engagement process. CONCLUSIONS: This study has demonstrated that research naïve communities can significantly contribute to research processes if they are adequately engaged. The study also showed that if researchers put in maximum effort to demystify the research process, communities become empowered and participate as partners in research.
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 | 0,015 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,032 | 0,020 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,019 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».