Picturing Participation: Catalyzing Conversations About Community Engagement in HIV Community–Based Organizations
Notice bibliographique
Résumé
Community engagement is considered a cornerstone of health promotion practice. Yet engagement is a fuzzy term signifying a range of practices. Health scholarship has focused primarily on individual effects of engagement. To understand the complexities of engagement, organizations must also consider relational, structural, and/or organizational factors that inform stakeholders' subjective understandings and experiences. Community engagement processes are not neutral; they can reproduce and/or dismantle power structures, often in contradictory or unexpected ways. This article discusses diverse stakeholders' subjective experiences and understandings of engagement within the HIV sector in Toronto, Canada. In our study, a team of community members, service providers, and academics partnered with three HIV community-based organizations to do this work. We used photovoice, a participatory and action-oriented photography method, to identify, document, and analyze participants' understandings at respective sites. Through collaborative analysis, we identified seven themes that may catalyze conversations about engagement within organizations: reflecting on journey; honoring relationships; accessibility and support mechanisms; advocacy, peer leadership, and social justice; diversity and difference; navigating grief and loss; and nonparticipation. Having frank and transparent discussions that are grounded in stakeholders' subjective experiences, and the sociopolitical and structural conditions of involvement, can help organizations take a more intersectional and nuanced approach to community engagement. Together, our findings can be used as a framework to support organizations in thinking more deeply and complexly about how to meaningfully, ethically, and sustainably engage communities (both individually and collectively) in HIV programming, and organizational policy change. The article concludes with questions for 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 | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,012 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 ».