Overcoming “You Can Ask My Mom”: Clinical Arts-Based Perspectives to Include Children Under 12 in Mental Health Research
Notice bibliographique
Résumé
As research with children (rather than research on children) gains popularity and researchers adapt methods to include children’s voices, continual reflection on the research methods themselves is needed. In this article, we explore the relevance of playing and drawing in qualitative research interviews to include and represent the voice of children under 12 years of age, particularly in the field of mental health research. We reflect on the conception of children’s voice in research and argue for an understanding of voice that goes beyond verbal language. We suggest a combination of perspectives from arts-based research and clinical interview practice to support our understanding of children’s voice in research. As an illustration, we draw on an example taken from a large research project in Youth Mental Health Collaborative Care during which 23 children under the age of 12 were interviewed using a talk-play-draw model. We discuss the multidimensional aspect of children’s voices and the ethical value of arts and play in research interviews. We highlight the importance of researchers’ ethical reflexivity and creative participation in their quest to understand children’s voices. While doing so, we emphasize the responsibility of researchers to interpret, translate and represent as justly as possible a multi-layered, complex and often disorganized voice into a form that is accessible to the linear world of academic research. Given that it is perhaps inevitable that researchers use their own voice in this process, we argue that in conducting research with children, we need to engage both the children as participants and the researchers as advocates for children’s perspectives.
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 | 0,031 | 0,006 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».