Countering the “wrong story”: a Participatory Action Research approach to developing COVID-19 vaccine information videos with First Nations leaders in Australia
Notice bibliographique
Résumé
Abstract The COVID-19 pandemic, coupled with the “infodemic” of misinformation, meant First Nations peoples in Australia’s Northern Territory were hearing “the wrong story” about COVID-19 vaccines. In March 2021, when the Australian government offered COVID-19 vaccines to First Nations adults there was no vaccine information designed with, or for, the priority group. To address this gap, we conducted a Participatory Action Research project in which First Nations leaders collaborated with White clinicians, communication researchers and practitioners to co-design 16 COVID-19 vaccine videos presented by First Nations leaders who spoke 9 languages. Our approach was guided by Critical Race Theory and decolonising processes including Freirean pedagogy. Data included interviews and social media analytics. Videos, mainly distributed by Facebook, were valued by the target audience because trusted leaders delivered information in a culturally safe manner and the message did not attempt to enforce vaccination but instead provided information to sovereign individuals to make an informed choice. The co-design production process was found to be as important as the video outputs. The co-design allowed for knowledge exchange which led to video presenters becoming vaccine champions and clinicians developing a deeper understanding of vaccine hesitancy. Social media data revealed that: sponsored Facebook posts have the largest reach; videos shared on a government branded YouTube page had very low impact; the popularity of videos was not in proportion to the number of language speakers and there is value in reposting content on Facebook. Effective communication during a health crisis such as the COVID-19 pandemic requires more than a direct translation of a script written by health professionals; it involves relationships of reciprocity and a decolonised approach to resource production which centres First Nations priorities and values.
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 | 0,136 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,021 | 0,018 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,005 | 0,020 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».