MétaCan
Menu
Retour à la cohorte
Enregistrement W4322617702 · doi:10.2196/41855

From Social Network to Peer Support Network: Opportunities to Explore Mechanisms of Online Peer Support for Mental Health

2023· article· en· W4322617702 sur OpenAlexvenueno aff
Amy Rayland, Jacob A Andrews

Notice bibliographique

RevueJMIR Mental Health · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Health and Social CareNational Institute for Health and Care Research
Mots-clésPsychological interventionPeer supportModerationMental healthSocial supportContext (archaeology)PsychologyThe InternetPeer-to-peerSocial network (sociolinguistics)Peer groupInternet privacyIntervention (counseling)Social mediaApplied psychologyComputer scienceWorld Wide WebSocial psychologyPsychotherapistPsychiatry

Résumé

récupéré en direct d'OpenAlex

An increasing number of psychological interventions are shifting to online modes of delivery. One such intervention is peer-to-peer support, which in this context may provide internet users living with mental health disorders an opportunity to connect with and support others living with similar conditions. This paper presents a call for further research into how platforms such as Facebook could be used as channels for peer support and the mechanisms that may underlie their effectiveness. We discuss the background of peer support, how it has transitioned online, and consider theories and models that may have relevance. We also consider the importance of moderation within online peer support and the development of specific social network-based online interventions. We conclude that for social network sites to be used as peer-to-peer support interventions, more research is needed to understand their effectiveness, the role of moderation in these communities, and the mechanisms that produce the benefits experienced by users.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,004
Communication savante0,0050,009
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,433
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations82
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetImpact of Technology on AdolescentsTravaux en français237 207