MétaCan
Menu
Retour à la cohorte
Enregistrement W2911647426 · doi:10.1177/1524839918822268

The Impact of Indigenous Youth Sharing Digital Stories About HIV Activism

2019· article· en· W2911647426 sur OpenAlexaffabout
Sarah Flicker, Ciann Wilson, Renée Monchalin, Jean‐Paul Restoule, Claudia Mitchell, June Larkin, Tracey Prentice, Randy Jackson, Vanessa Oliver

Notice bibliographique

RevueHealth Promotion Practice · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensMcMaster UniversityUniversity of VictoriaMcGill UniversityWilfrid Laurier UniversityUniversity of TorontoYork University
Organismes subventionnairesnon disponible
Mots-clésIndigenousCitizen journalismContext (archaeology)Public relationsParticipatory action researchHuman immunodeficiency virus (HIV)Community-based participatory researchSociologyPolitical scienceMedicineGeography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: This article reports on the micro-, meso-, and macro-level impacts of sharing digital stories created by Indigenous youth leaders about HIV prevention activism in Canada. METHOD: Eighteen participants created digital stories and hosted screenings in their own communities to foster dialogue. Data for this article are drawn from individual semistructured interviews with the youth leaders, audio-recordings of audience reflections, and research team member's field notes collected between 2012 and 2015 across Canada. Data were coded using NVivo. A content analysis approach guided analysis. RESULTS: The process of sharing their digital stories had a positive impact on the youth themselves and their communities. Stories also reached policymakers. They challenged conventional public health messaging by situating HIV in the context of Indigenous holistic conceptions of health. DISCUSSION: The impact(s) of sharing digital stories were felt most strongly by their creators but rippled out to create waves of change for many touched by them. More research is warranted to examine the ways that the products of participatory visual methodologies can be powerful tools in creating social change and reducing health disparities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,176
Score d'incertitude au seuil0,349

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,007
Communication savante0,0070,002
Science ouverte0,0010,010
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,096
Tête enseignante GPT0,462
Écart entre enseignants0,366 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations18
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Promotion PracticeMême sujetDigital Storytelling and EducationTravaux en français237 207