The Use of Mobile Applications to Support Indigenous Youth Wellbeing in Canada
Notice bibliographique
Résumé
In Canada, Indigenous youth have remained resilient despite being confronted with a wide range of structural and systemic risks, such as long-lasting boil water advisories, over-representation in the child welfare system, and injustices related to land treaties. As people of the land, all disruptions to ecological health are a disruption to personal and community holistic health. Land-based activities and cultural continuity strengthen pathways of perseverance for Indigenous youth (Toombs et al., 2016). For youth, cultural self-expression and personal agency are enhanced with digital platforms, which are well-suited to Indigenous people’s strengths in art, music, and oral forms of passing on knowledge. The field of mental health has turned to e-supports such as mobile applications (apps) that can provide easy-to-access intervention, when needed. To date, resilience interventions have received comparatively less attention than the study of resilience factors and processes. It is timely to review the extant literature on mental health apps with Indigenous youth as, currently, Indigenous apps are in early research stages. Critically reviewing work to date, it is argued that an inclusive and expansive concept of resilience, coherent with Indigenous holistic health views, is well-positioned as a foundation for collaborative resilience app development. To date, few mental health apps have been researched with Indigenous youth, and fewer have been co-constructed with Indigenous youth and their community members. The current literature points to feasibility in terms of readiness or potential usage, and functionality for promoting an integrated cultural and holistic health lens. As this effort may be specific to a particular Indigenous nation’s values, stories, and practices, we highlight the Haudenosaunee conceptual wellness model as one example to guide Indigenous and non-Indigenous science integration, with a current project underway with the JoyPopTM mHealth app for promoting positive mental health and resilience.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».