MétaCan
Menu
Retour à la cohorte
Enregistrement W2914478769 · doi:10.1188/19.onf.147-154

Digital Storytelling as a Psychosocial Tool for Adult Cancer Survivors

2019· article· en· W2914478769 sur OpenAlexaffabout
Catherine M. Laing

Notice bibliographique

RevueOncology nursing forum · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPsychosocialMedicineDigital storytellingHermeneuticsQualitative researchMeaning (existential)Nursing researchStorytellingCancer survivorNursingCancerPsychotherapistPsychologyPsychiatryNarrativeSociologyPedagogy

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To understand the meaning and impact for adult patients with cancer (past or present) of creating a digital story related to their cancer experience. PARTICIPANTS & SETTING: 10 participants made digital stories with the help of a research assistant trained in digital storytelling. This research took place in a large, urban center in Calgary, Alberta, Canada. METHODOLOGIC APPROACH: This research was done in the tradition of philosophical hermeneutics. Ten one-on-one interviews were conducted, and data were analyzed using an interpretive qualitative methodology. FINDINGS: Findings revealed that digital stories were cathartic; reconnected individuals with family, friends, and parts of their lives that had been interrupted from cancer therapy; helped participants reflect in a way that was often described as therapeutic; and bridged communication with others about their cancer experiences. IMPLICATIONS FOR NURSING: Digital stories can be used to highlight the immense psychosocial impact of cancer and point healthcare professionals and other researchers toward creative and nontraditional ways to address this issue.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,033
Tête enseignante GPT0,427
Écart entre enseignants0,394 · 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

Citations19
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOncology nursing forumMême sujetDigital Storytelling and EducationTravaux en français237 207