Digital Storytelling as a Method in Health Research: A Systematic Review
Notice bibliographique
Résumé
Digital storytelling aims to illuminate complex narratives of health and illness when used as a method in health research. Digital stories are three to five minute videos that integrate written and narrated stories with multiple aesthetic components. There is increasing interest in digital storytelling as a research method, yet there is limited synthesized knowledge about its use. A systematic review to advance methodological understanding was warranted. Our systematic review purpose was to identify and synthesize evidence on the use, impact, and ethical considerations of digital storytelling as a method in health research. Key databases and online sources were searched for qualitative, quantitative, and mixed methods studies using digital storytelling. Articles with pediatric or adult populations, family members, or healthcare professionals were included. The focus was on digital storytelling in health research, where it was used as a method, at any point in the research process. Two independent reviewers screened abstracts and full texts to confirm eligibility. We conducted a narrative synthesis of the extracted narrative data. The searches yielded 7285 articles. Following the removal of duplicates and screening, 46 articles met the inclusion criteria, which predominantly used qualitative methodology. An analysis of the extracted data resulted in seven descriptive themes which provided insight into the purpose, definition, process, context, impact and ethical considerations of this method. Digital storytelling is an empowering and disruptive method that captures voice through a process-oriented, flexible approach. It is particularly effective at honouring local and cultural knowledge, and evoking change. Researchers have used consistent facilitation approaches, but theoretical inconsistency, diverse positioning in analysis, and ethical complexity remain significant challenges. These findings provide methodological insight for applying digital storytelling in future research. Systematic review protocol registration: CRD42017068002.
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 | 0,053 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».