MétaCan
Menu
Retour à la cohorte
Enregistrement W4366493151 · doi:10.1177/16094069231170953

“And Then COVID Hit”: (Re)flexibility of Digital Storytelling in Qualitative Health Research

2023· article· en· W4366493151 sur OpenAlexaff
Keri-Lyn Durant, Katherine Kortes-Miller

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésDigital storytellingStorytellingQualitative researchFlexibility (engineering)Coronavirus disease 2019 (COVID-19)Digital healthPlan (archaeology)Computer sciencePsychologyHealth careNarrativeSociologyWorld Wide WebMedicinePolitical scienceArtHistoryManagement

Résumé

récupéré en direct d'OpenAlex

The purpose of our qualitative health research study was to understand the experiences of Ontarians who accompanied someone throughout their dying process using medical assistance in dying (MAiD). The second phase used digital stories as a method to examine and share these experiences at the end of life. And then the COVID-19 pandemic hit, and we faced a pivot to our original plan. This pivot resulted in reinforcing the myriad benefits of using digital storytelling in qualitative health research. And rather than detracting from the initial study, we also learned that digital storytelling is a flexible method that can be creatively, compassionately, and effectively conducted in virtual spaces. We will employ digital storytelling in future qualitative health research as both a component of studies but also as a conduit for explorations of other tools of data collection and dissemination.

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)0,077
score de la tête « metaresearch » (Gemma)0,018
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0770,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,903
Tête enseignante GPT0,773
Écart entre enseignants0,130 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetDigital Storytelling and EducationTravaux en français237 207