Advancing the Science of Recruitment for Family Caregivers: Focus Group and Delphi Methods
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: Successful recruitment of participants is imperative to a rigorous study, and recruitment challenges are not new to researchers. Many researchers have used social media successfully to recruit study participants. However, challenges remain for effective online social media recruitment for some populations. OBJECTIVE: Using a multistep approach that included a focus group and Delphi method, researchers performed this study to gain expert advice regarding material development for social media recruitment and to test the recruitment material with the target population. METHODS: In the first phase, we conducted a focus group with 5 social media experts to identify critical elements for effective social media recruitment material. Utilizing the Delphi method with 5 family caregivers, we conducted the second phase to reach consensus regarding effective recruitment videos. RESULTS: Phase I utilized a focus group that resulted in identification of three barriers related to social media recruitment, including lack of staff and resources, issues with restrictive algorithms, and not standing out in the crowd. Phase II used the Delphi method. At the completion of Delphi Round 1, 5 Delphi participants received a summary of the analysis for feedback and agreement with our summary. Using data and recommendations from Round 1, researchers created two new recruitment videos with additions to improve trustworthiness and transparency, such as the university's logo. In Round 2 of the Delphi method, consensus regarding the quality and trustworthiness of the recruitment videos reached 100%. CONCLUSIONS: One of the primary challenges for family caregiver research is recruitment. Despite the broad adoption of social media marketing approaches, the effectiveness of online recruitment strategies needs further investigation.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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