Visualizing DEPICT: A Multistep Model for Participatory Analysis in Photovoice Research for Social Change
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As a critical narrative intervention, photovoice invites community members to use photography to identify, document, and discuss issues in their communities. The method is often employed with projects that have a social change mandate. Photovoice may help participants express issues that are difficult to articulate, create tangible and meaningful research products for communities, and increase feelings of ownership. Despite being hailed as a promising participatory method, models for how to integrate diverse stakeholders feasibly, collaboratively, and rigorously into the analytic process are rare. The DEPICT model, originally developed to collaboratively analyze textual data, enhances rigor by including multiple stakeholders in the analysis process. We share lessons learned from Picturing Participation, a photovoice project exploring engagement in the HIV sector, to describe how we adapted DEPICT to collaboratively analyze participant-generated images and narratives across multiple sites. We highlight the following stages: dynamic reading, engaged codebook development, participatory coding, inclusive reviewing and summarizing of categories, and collaborative analysis and translation, and we discuss how participatory analysis is compatible with creative, interactive dissemination outputs such as exhibitions, presentations, and workshops. The benefits of Visualizing DEPICT include feelings of increased ownership by community researchers and participants, enhanced rigor, and sophisticated knowledge translation approaches that honor multiple forms of knowing and community leadership. The potential challenges include navigating team capacity and resources, transparency and confidentiality, power dynamics, data overload, and streamlining "messy" analytic processes without losing complexity or involvement. Throughout, we offer recommendations for designing participatory visual analysis processes that are connected to critical narrative intervention and social change aims.
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.
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 | 0,058 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle