SKILLS AND STRATEGIES OF FACILITATORS WHO CO-CREATE DIGITAL STORIES WITH PERSONS WITH DEMENTIA
Notice bibliographique
Résumé
Abstract Digital storytelling combines storytelling and digital tools to create brief video clips in which narrative, images, and music are embedded, in order to share personal stories. Digital storytelling facilitators can be health and social care providers as well as care partners who collaborate with persons living with dementia to co-create their stories. These facilitators elicit people’s stories and use the technology to create the digital story. Despite their important role, there is a paucity of information on facilitators’ specific skills and strategies used in working with persons living with dementia. The purpose of this project was to examine skills and strategies used by facilitators who co-create digital stories with persons living with mild dementia. Audio recordings of 70 digital storytelling co-creation sessions conducted in three Canadian cities (Edmonton, Vancouver, Toronto) were transcribed and subjected to qualitative content analysis. Regardless of their disciplinary background, facilitators acted as weavers, bringing together narrative threads to co-construct a digital story with participants. Essential communication skills and strategies included active listening, strategic questioning, being comfortable with silence, and therapeutic responding. Building relationships and collaboration were achieved through flexibility, empathy, and encouraging autonomy. To be an effective facilitator of the digital storytelling process with older adults living with dementia, facilitators must adapt their communication strategies and relational skills to the strengths and needs of the older adults with whom they are collaborating.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».