MétaCan
Menu
Retour à la cohorte
Enregistrement W3145661648

Exploring the Intersections of Storytelling and Visual Arts: Indigenous Peoples’ Experiences of Cancer

2022· article· en· W3145661648 sur OpenAlexaboutno aff
Roanne Thomas, Christine Novy, Wendy Gifford, Viviane Grandpierre, Jennifer Poudrier, Ovini Thomas

Notice bibliographique

RevueHuman Biology · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousStorytellingThe artsVisual artsSociologyArtNarrativeBiologyLiteratureEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Known gaps in health and social care, largely stemming from colonization, result in poorer outcomes for Indigenous peoples with cancer as compared to non-Indigenous peoples. Also, few researchers have focused on the strengths of Indigenous peoples in dealing with such challenges. Of note is a lack of research exploring Indigenous knowledge in this context and the ways in which such knowledge may be conveyed through stories and visual arts. With a view to exploring Indigenous cancer experiences, we completed a qualitative project with five communities in Canada. Data were collected via sharing sessions, photography and journaling, and individual interviews; all of these methods resulted in stories that were selected and shared by the participants themselves in their own words. The intersections of storytelling and visual arts were interpreted, resulting in three themes: (1) Singing, painting, and drawing stories connects to tradition; (2) Crafting stories connects the traditional and contemporary; and (3) Sharing stories connects participants to others. The results of this study have implications for culturally safe health care for Indigenous peoples with cancer, but also for the exploration of storytelling and the visual arts in health care more broadly.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,136
Score d'incertitude au seuil0,271

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0170,020
Communication savante0,0060,003
Science ouverte0,0010,009
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,198
Tête enseignante GPT0,438
Écart entre enseignants0,241 · 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
GenreEmpirique

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman BiologyMême sujetDigital Storytelling and EducationTravaux en français237 207