A framework to guide storytelling as a knowledge translation intervention for health-promoting behaviour change
Notice bibliographique
Résumé
BACKGROUND: Stories can be a powerful tool to increase uptake of health information, a key goal of knowledge translation (KT). Systematic reviews demonstrate that storytelling (i.e. sharing stories) can be effective in changing health-promoting behaviours. Though an attractive KT strategy, storytelling is a complex approach requiring careful planning and consideration of multiple factors. We sought to develop a framework to assist KT researchers and practitioners in health contexts to consider and develop effective KT interventions that include stories or storytelling. METHODS: We conducted a broad search of the literature to identify studies that used storytelling as a KT intervention across different disciplines: health research, education, policy development, anthropology, organizational development, technology research, and media. We extracted purposes, theories, models, mechanisms, and outcomes and then mapped the theoretical and practical considerations from the literature onto the Medical Research Council guidance for complex interventions. The theoretical and practical considerations uncovered comprised the basis of the storytelling framework development. Through discussion and consensus, methodological experts refined and revised the framework for completeness, accuracy, nuance, and usability. RESULTS: We used a complex intervention lens paired with existing behaviour change techniques to guide appropriate theory-based intervention planning and practical choices. An intentional approach to the development of story-based KT interventions should involve three phases. The theory phase specifies the goal of the intervention, mechanisms of action, and behaviour change techniques that will achieve the intended effects. The modelling phase involves development and testing using an iterative approach, multiple methods and engagement of end-users. Finally, formal evaluation using multiple methods helps determine whether the intervention is having its intended effects and value added. CONCLUSIONS: This framework provides practical guidance for designing story-based KT interventions. The framework was designed to make explicit the requisite considerations when determining the appropriateness and/or feasibility of storytelling KT, clarify intervention goals and audience, and subsequently, support the development and testing of storytelling interventions. The framework presents considerations as opposed to being prescriptive. The framework also offers an opportunity to further develop theory and the KT community's understanding of effectiveness and mechanisms of action in storytelling interventions.
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 | 0,086 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,012 | 0,007 |
| Études des sciences et des technologies | 0,009 | 0,017 |
| Communication savante | 0,013 | 0,015 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
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 ».