107 Video interviewing children and young people for research purposes
Notice bibliographique
Résumé
Background Inclusivity of children in research is vital, especially if findings are likely to impact services designed to promote their health and wellbeing. There are ethical concerns about using technology as a tool for data collection with children, which may explain a limited evidence base. The aim of this abstract is to highlight experiences using this technology to encourage further research in this area. Method ALPS (the heArt sibLings imPact Study) explored experiences of children who had a brother/sister with congenital heart disease. ALPS took place during the COVID-19 pandemic, necessitating use of a virtual platform. Interviews were undertaken with 17 children aged 8-17 years on Zoom. Data were collected from children across the UK through charities between September 2020 and February 2021. Parents were gatekeepers to most contact with children prior to interview. A Quick Response (QR) code was added to adverts linking to a short YouTube video designed for children to easily access study information. Prior to gaining assent children were asked about their understanding of ALPS. Paper forms were sent prior to interview, signatures were witnessed online, and forms returned in self-addressed envelopes. Results Video interviews with children in their home environment helped to build rapport, as the researcher-initiated conversation about participants’ surroundings including toys, books and photographs. Providing comfort during times of distress was more challenging but additional ethical provisions were planned to reduce any distress. This included parent presence after interview and contact after interview to check if support services were required for the child or family. Conclusion Using video interview platforms can be a useful way to limit participant and family burden and may be cost effective approach for research teams. Evidence based, secure and safe ways to gain meaningful assent and consent online should be explored further with this population.
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 | 0,009 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,010 |
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 ».