‘HIV made me fabulous’: a qualitative analysis of embodied storytelling in film to address stigma, further understandings of U=U and advance gender equity
Notice bibliographique
Résumé
BACKGROUND: Even with the Undetectable equals Untransmittable campaign (U=U) campaign, women living with HIV continue to experience intersecting forms of stigma. We explored how the somatic experiences of viewing a film about U=U and women could help individuals gain deeper understandings of HIV and alter learned prejudices. METHODS: HIV Made Me Fabulous is a film that utilises embodied storytelling to tell the story of a trans woman living through social and historical traumas of HIV. Four online film screenings and focus group discussions took place between June 2020 and June 2021, with participants attending from Canada, Australia, South Africa, Kenya, Zimbabwe and India. Two sessions were held with women living with HIV (n =16) and two with HIV-negative individuals (n =12). Transcripts were analysed via thematic analysis using Lafrenière and Cox's framework to assess its impact. RESULTS: Participants experienced strong, diverse emotional responses and sometimes physical effects from viewing the film. These somatic experiences furthered engagement with key messages in the film, including U=U, intersectional identities, and impacts of patriarchal systems. Women living with HIV commented on unique gendered risks experienced during disclosure, and the pressures of reaching an undetectable viral load. Women also commented how the film resulted in deeper reflection of their deservingness of pleasure. Regardless of HIV status, participants expressed motivation towards influencing change that included addressing biases and sharing U=U with others. CONCLUSIONS: Embodied storytelling in film is an effective method to counter both intra- and inter-personal HIV-related stigma by provoking responses that enhance compassion for oneself and others.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».