Virtual volunteering, community support, and self-care in Chinese communities in Canada
Notice bibliographique
Résumé
Abstract Objective: Our study aimed to explore the link between environment and health, driven by a virtual volunteering program, and discuss the implications of virtual volunteering in community support in the postpandemic era. Methods: Using a purposive sampling strategy, we recruited 21 participants with diverse backgrounds, including age and sex. They participated in individual interviews of 1–2 hours, all of which followed a semistructured interview guide centered on topics, such as volunteer experiences, impacts, and understanding of volunteering. The audio recordings were transcribed verbatim and analyzed using a grounded theory approach. Results: Our data showed that interpersonal interactions through the virtual volunteering program helped participants deal with loneliness, and boosted their mental health. The social network provided participants with social support. Moreover, activities, such as dancing, yoga, Tai Chi, and singing, facilitated physical health. Participants not only learned various skills but also served as mentors, through which they increased self-efficacy through reciprocal role transformation. Conclusions: Our study concludes that virtual volunteer programs have a positive impact on people’s physical and mental health. The participants demonstrated different levels of resilience when their environments changed. By situating virtual volunteering as the center of people’s health, our findings suggest that people gain informational, instrumental, and emotional support through virtual volunteering. Future research should examine the experiences of individuals from other ethnic groups and settings to supplement this study.
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 | 0,003 | 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».