When words fail, pictures speak: A visual autoenthography of a female university student-athlete with post-concussion syndrome
Notice bibliographique
Résumé
Sport-related concussions (SRC) are an epidemic among all levels of sport (Noble & Hesdorffer, 2013) and an increasing number of athletes are experiencing prolonged symptoms, known as post-concussion syndrome (PCS). This study used a combination of autethnography and art-based methods to demonstrate the experiences of a female university student-athlete with PCS. Data collected through retrospective personal reflection, personal journals, medical records, and art-work created during the recovery period was analyzed through a 3 step qualitative content analysis (preparation, organization, and reporting) using manifested and latent content (Elo & Kyngas, 2008). The manifested content revealed how I was feeling in the specific context when the art was created. For example, communicating where exactly I felt my headache, or feeling trapped in a dark hole. However, when looking deeper into the latent content, more complex psychological constructs revealed the dissociation between injury and athlete, the loss of identity, and the lack of control in the recovery process. This novel integration of art-based methods in the research of the psychology of sport injury and rehabilitation provides a new perspective on the experiences of athletes with SRC and/or PCS. Sharing my experience with PCS can normalize the negative psychosocial responses to injury and rehabilitation of other athletes, as well as educate rehabilitative professionals about these responses.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».