PERSONS WITH DEMENTIA USE DIGITAL STORYTELLING TO ENHANCE MEMORY, CONNECT SOCIALLY, LEAVE LEGACIES
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
We used WeVideo, an online video editing platform to collaborate with people living with dementia to create digital stories. Three cohorts of participants with varying degrees of cognitive impairment were recruited: 6 in Vancouver, 7 in Edmonton, and 7 in Toronto. Over six to eight weeks, researchers met with participants individually to develop their stories and to input photos, voice over, sound effects, music, and video. In cases where no personal photographs were available, researchers acquired freely available images from the Internet that illustrated the participant’s narratives, for example street scenes or sports teams from a certain era. Each participant was invited to share their completed digital story with their care partners and families. The digital stories covered themes of personal accounts of war, family, travel, employment, hobbies and advocacy for the dementia community. The digital stories evoked joy and sadness, and shared reminiscing. For some, the digital stories were an engaging way to share meaningful stories and socially connect with children, grandchildren, and great grandchildren. Several women chose to create stories about families, perhaps to leave legacies and messages for future generations. Some participants commented that the process required drawing on memories and thinking about events they had not contemplated for years. Some could remember more about their past than they thought. Participant recruitment and digital storytelling processes varied slightly across the three sites to accommodate different participant needs and organizational preferences. The project provides insights into best practices for facilitating digital storytelling for persons with dementia.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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