MétaCan
Menu
Retour à la cohorte
Enregistrement W4367669348 · doi:10.1017/s0954579423000469

Multisystemic approaches to researching young people’s resilience: Discovering culturally and contextually sensitive accounts of thriving under adversity

2023· article· en· W4367669348 sur OpenAlexaffabout
Michael Ungar, Linda Theron, Jan Höltge

Notice bibliographique

RevueDevelopment and Psychopathology · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEmic and eticThrivingPsychologyPsychological resilienceDevelopmental psychologySocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

As our understanding of the process of resilience has become more culturally and contextually grounded, researchers have had to seek innovative ways to account for the complex, reciprocal relationship between the many systems that influence young people's capacity to thrive. This paper briefly traces the history of a more contextualized understanding of resilience and then reviews a social-ecological model to explain multisystemic resilience. A case study is then used to show how a multisystemic understanding of resilience can influence the design and implementation of resilience research. The Resilient Youth in Stressed Environments study is a longitudinal mixed methods investigation of adolescents and emerging adults in communities that depend on oil and gas industries in Canada and South Africa. These communities routinely experience stress at individual, family, and institutional levels from macroeconomic factors related to boom-and-bust economic cycles. Building on the project's methods and findings, we discuss how to create better studies of resilience which are able to capture both emic and etic accounts of positive developmental processes in ways that avoid the tendency to homogenize children's experience. Limitations to doing multisystemic resilience research are also highlighted, with special attention to the need for further innovation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,364
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,093
Tête enseignante GPT0,362
Écart entre enseignants0,268 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations42
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopment and PsychopathologyMême sujetResilience and Mental HealthTravaux en français237 207