Sampling sexual and gender minority youth in Canada and the US: Lessons from the UnACoRN internet-based survey (Preprint)
Notice bibliographique
Résumé
BACKGROUND Periodic surveys of sexual and gender minority (SGM) populations have been an essential tool for monitoring and investigating health inequities. Recent legislative efforts to ban so-called ‘conversion therapy’ have introduced the need to adapt youth surveys to reach a wider range of SGM, including those <18 years of age and those who may not adopt an explicit Two-Spirit, lesbian, gay, bisexual, transgender and queer (2S/LGBTQ) identity. OBJECTIVE To share our experiences in recruiting SGM youth through multiple in-person and online channels and to share lessons learned for future researchers. METHODS The UnACoRN (Understanding Affirming Communities, Relationships, and Networks) Survey collected anonymous data in English and French from 9,679 people (mostly SGM). Respondents were recruited Mar-Aug 2022 using word-of-mouth referrals, leaflet distribution, and buses advertisements with paid and unpaid campaigns on social media and a pornography website. We analyzed the metadata provided by these and other online resources we used for recruitment (e.g., Bitly, Qualtrics) and provided an overview of the campaign effectiveness by recruitment venue by calculating the cost per completed survey and other secondary metrics. RESULTS Most participants were recruited through Meta (83.2%), mainly through Instagram. 88.96% of our sample reached the survey through paid advertisements. Overall, the cost per survey was lower for Meta than Pornhub or the bus ads. Similarly, the proportion of visitors who started the survey was higher for Meta (46.70%) than Pornhub (1.02%). CONCLUSIONS Researchers using online recruitment strategies should be aware of the differences in campaign management each website or social media platform offers and be prepared to engage with their framing (content selection and delivery) to correct any imbalances derived from it. Those who focus on SGM should consider how 2S/LGBTQ-oriented campaigns might deter participation from cis-het people or SGM not identifying as 2S/LGBTQ, if relevant to their research design. Finally, those with limited resources may select fewer venues with a lower cost per completed survey or those that appeal more to their specific audience, if needed.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | high |
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 | 0,024 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».