Critical methodological considerations in recruiting and engaging non-native English speaking workers with a head injury: a Canadian perspective
Notice bibliographique
Résumé
OBJECTIVE: Non-native English speaking workers with a mild work-related traumatic brain and/or head injury are a vulnerable and underrepresented population in research studies. The researchers present their experiences with recruiting and performing qualitative interviews with non-native English speaking individuals with a work-related mild traumatic brain injury, and provide recommendations on how to better include this vulnerable population in future research studies. This paper presents considerations regarding ethics, recruitment challenges, interview preparation and debriefing, sex & gender and language and cultural issues must be made when working with this vulnerable population. RESULTS: The researchers discuss critical issues and provide recommendations in recruiting and engaging with non-native English language workers including ethics, recruitment challenges, interview preparation and debriefing, sex & gender and language, and cultural considerations that must be made when working with this population. The study recommendations advise investigators to spend more time to learn about the non-native English participants in the mild wrTBI context, to be familiar with the vulnerabilities and specific circumstances that these workers experience. By increasing their awareness of the challenging facing this vulnerable population, the intention is to provide better care and treatment options through evidence-based research and practice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,586 | 0,638 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,050 | 0,039 |
| Communication savante | 0,030 | 0,012 |
| Science ouverte | 0,013 | 0,015 |
| Intégrité de la recherche | 0,010 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».