MétaCan
Menu
Retour à la cohorte
Enregistrement W4313648344 · doi:10.1002/casp.2678

A light in the dark: How children make sense of <scp>COVID</scp>‐19

2023· article· en· W4313648344 sur OpenAlexaff
Jamie Libenstein, Danaë Larivière‐Bastien, Dominique Dupont, Olivier Aubuchon, Catherine M. Herba, Miriam H. Beauchamp

Notice bibliographique

RevueJournal of Community & Applied Social Psychology · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversité de MontréalUniversité du Québec à MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésThematic analysisCoronavirus disease 2019 (COVID-19)PandemicPsychologyQualitative research2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Developmental psychologyQualitative analysisIntervention (counseling)Social psychologyVideoconferencingMedicineSociologyPsychiatrySocial scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding the negative impact of the pandemic on children and adolescents is essential in order to provide proper support and intervention. Nonetheless, surmounting adversity, such as COVID‐19, may also provide positive lessons for youth to overcome the negative consequences of the pandemic and prepare society for future crises. The objective of the current qualitative study was to document the perceived positive aspects identified by children and adolescents during COVID‐19 and how they made sense of their experience. Participants ( N = 67, 5–14 years old) were recruited in May and June 2020. Semi‐structured interviews were conducted via a videoconferencing platform. Based on the transcribed and coded interviews, a thematic qualitative analysis was derived utilizing NVivo. Participants' answers were grouped into four main themes and sub‐themes: (1) school changes, (2) bonding time, (3) free time, and (4) technology usage. Analysing youth perspectives on their experience of the COVID‐19 pandemic provides insight into some of the positive changes and lessons that can be gained amidst the overwhelming negative consequences of the pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,818
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,439
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Community & Applied Social PsychologyMême sujetCOVID-19 and Mental HealthTravaux en français237 207