MétaCan
Menu
Retour à la cohorte
Enregistrement W3127477413 · doi:10.1177/1098214020927785

Photo-Based Evaluation: A Method for Participatory Evaluation With Adolescents

2021· article· en· W3127477413 sur OpenAlexaff
Deinera Exner‐Cortens, Kathleen C. Sitter, Marisa Van Bavel, Alysia Wright

Notice bibliographique

RevueAmerican Journal of Evaluation · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésParticipatory evaluationTransformative learningVisual methodsProgram evaluationCitizen journalismParticipatory action researchHealth promotionPromotion (chess)Process (computing)PsychologyYouth engagementApplied psychologyVisual researchPositive Youth DevelopmentMedical educationEvaluation methodsComputer sciencePedagogyPublic relationsSociologyPublic healthMedicineNursingPolitical scienceDevelopmental psychologyPoliticsSocial scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Actively engaging adolescents in meaningful program evaluation is a topic of growing interest. One possibility for such engagement is the use of photographs as part of visual evaluation, so that youth can directly engage with the research process. In this Method Note, we describe the development and implementation of a participatory, photo-based evaluation method for youth health promotion/prevention programs. Youth in this study were participants in a gender-transformative healthy relationships program for boys. We present literature supporting the use of photographs as a visual research method and for involving youth as active participants in evaluation, and explore the feasibility, utility, and acceptability of this innovative application of existing methods based on researcher experience and youth feedback. We conclude with implications for photo-based evaluation of health promotion/prevention programs, highlighting the promise of this method for promoting critical youth engagement in evaluation and the creation of meaningful knowledge translation tools.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,090
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,478

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0900,065
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0050,006
Communication savante0,0040,004
Science ouverte0,0030,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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.

Tête enseignante Opus0,616
Tête enseignante GPT0,699
Écart entre enseignants0,083 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EvaluationMême sujetParticipatory Visual Research MethodsTravaux en français237 207