‘The phone is my boss and my helper’ – A gender analysis of an mHealth intervention with Health Extension Workers in Southern Ethiopia
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
Background: There is considerable optimism in mHealth's potential to overcome health system deficiencies, yet gender inequalities can weaken attempts to scale-up mHealth initiatives. We report on the gendered experiences of an mHealth intervention, in Southern Ethiopia, realised by the all-female cadre of Health Extension Workers (HEWs). Methodology: Following the introduction of the mHealth intervention, in-depth interviews (n = 19) and focus group discussions (n = 8) with HEWs, supervisors and community leaders were undertaken to understand whether technology acted as an empowering tool for HEWs. Data was analysed iteratively using thematic analysis informed by a socio-ecological model, then assessed against the World Health Organisation's gender responsive assessment scale. Results: HEWs reported experiencing: improved status after the intervention; respect from community members and were smartphone gatekeepers in their households. HEWs working alone at health posts felt smartphones provided additional support. Conversely, smartphones introduced new power dynamics between HEWs, impacting the distribution of labour. There were also negative cost implications for the HEWs, which warrant further exploration. Conclusion: MHealth has the potential to improve community health service delivery and the experiences of HEWs who deliver it. The introduction of this technology requires exploration to ensure that new gender and power relations transform, rather than disadvantage, women. Keywords: communities, e-health, gender.
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 | 0,023 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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