Conceptualizing Indigenous strengths-based health and wellness research using group concept mapping
Notice bibliographique
Résumé
BACKGROUND: In recent years public health research has shifted to more strengths or asset-based approaches to health research but there is little understanding of what this concept means to Indigenous researchers. Therefore our purpose was to define an Indigenous strengths-based approach to health and well-being research. METHODS: Using Group Concept Mapping, Indigenous health researchers (N = 27) participated in three-phases. Phase 1: Participants provided 218 unique responses to the focus prompt "Indigenous Strengths-Based Health and Wellness Research…" Redundancies and irrelevant statements were removed using content analysis, resulting in a final set of 94 statements. Phase 2: Participants sorted statements into groupings and named these groupings. Participants rated each statement based on importance using a 4-point scale. Hierarchical cluster analysis was used to create clusters based on how statements were grouped by participants. Phase 3: Two virtual meetings were held to share and invite researchers to collaboratively interpret results. RESULTS: A six-cluster map representing the meaning of Indigenous strengths-based health and wellness research was created. Results of mean rating analysis showed all six clusters were rated on average as moderately important. CONCLUSIONS: The definition of Indigenous strengths-based health research, created through collaboration with leading AI/AN health researchers, centers Indigenous knowledges and cultures while shifting the research narrative from one of illness to one of flourishing and relationality. This framework offers actionable steps to researchers, public health practitioners, funders, and institutions to promote relational, strengths-based research that has the potential to promote Indigenous health and wellness at individual, family, community, and population levels.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».