MétaCan
Menu
Retour à la cohorte
Enregistrement W2893933559 · doi:10.1177/1049732318798353

“I Haven’t Given Up and I’m Not Gonna”: A Phenomenographic Exploration of Resilience Among Individuals Experiencing Homelessness

2018· article· en· W2893933559 sur OpenAlexafffund
Sneha Shankar, Evie Gogosis, Anita Palepu, Anne Gadermann, Stephen W. Hwang

Notice bibliographique

RevueQualitative Health Research · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of TorontoSt. Michael's HospitalCentre for Advancing Health OutcomesProvidence Health Care Research InstituteProvidence Health CareUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPhenomenographyPhenomenonConstruct (python library)PsychologyPsychological resilienceSituatedQualitative researchPsychological interventionSocial psychologyDevelopmental psychologySafe havenSociologyEpistemologyPedagogySocial science

Résumé

récupéré en direct d'OpenAlex

Resilience is a factor related to positive health outcomes. Exploring this concept among adults experiencing homelessness can inform interventions while subsequently considering individuals’ strengths. A phenomenographic approach was applied to examine this concept among a sample of 22 individuals involved in qualitative interviews. The phenomenographic inquiry identified eight conceptions and found resilience is captured in both positive and negative ways. Conceptions are summarized by two categories, situated in an outcome space which describes the overall resilience experience and the different ways these conceptions are understood and experienced. Categories summarize conceptions as Staying Strong and Sustaining Positive Beliefs, which highlight the construct as being captured by a persistent positive aspect; however, the findings also uniquely describe the influence of negative conceptions toward the overall phenomenon. The findings suggest resilience is recognizable during adversity, and it is a phenomenon that has the potential to be strengthened.

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)0,018
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,499
Tête enseignante GPT0,619
Écart entre enseignants0,120 · 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.

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

Citations14
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetHomelessness and Social IssuesTravaux en français237 207