Lessons learned from a virtual Community-Based Participatory Research project: prioritizing needs of people who have diabetes and experiences of homelessness to co-design a participatory action project
Notice bibliographique
Résumé
In Community-Based Participatory Research (CBPR), people with shared lived experiences (co-researchers) identify priority needs and work collaboratively to co-design an action-oriented research advocacy project. For this to occur, academic researchers must build mutually respectful partnerships with co-researchers by establishing trust. In the context of the COVID-19 pandemic, our objective was to virtually assemble a group of co-researchers (people with diverse but relevant experiences of homelessness and diabetes) and academic researchers who engaged in the CBPR process to identify a project that would address the difficulties of diabetes management while experiencing homelessness. Co-researchers were recruited to the committee from community homeless-serving organizations. Six co-researchers, one peer researcher and three academic researchers from Calgary, Alberta met virtually for bi-weekly committee meetings, from June 2021 to May 2022 to explore barriers to diabetes management and to complete a priority-setting exercise to determine the focus of our collective project. After reflecting on our virtual CBPR experience we present lessons learned related to: i) technical challenges and logistical considerations, ii) meeting virtually and building rapport, iii) driving engagement, and iv) challenges of transitioning from virtual to in-person meeting format. Overall, the process of conducting a CBPR project virtually to engage a group of co-researchers during a pandemic presents its challenges. However, a virtual CBPR project is feasible and can lead to meaningful experiences that benefit all group members, both from the community and academia.
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 | 0,036 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,007 |
| 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 ».