MétaCan
Menu
Retour à la cohorte
Enregistrement W4388023639 · doi:10.1177/14767503231205238

The experience of youth-participatory action research in a social innovation lab: A methodological and organizational approach

2023· article· en· W4388023639 sur OpenAlexafffundabout
Eugenia Canas, Richard Booth, Romaisa Pervez, Alec Cook, Melissa Taylor-Gates, Abe Oudshoorn, Ross Norman, Renée Hunt, Arlene G. MacDougall

Notice bibliographique

RevueAction Research · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesOntario Trillium Foundation
Mots-clésParticipatory action researchAction researchSociologyCitizen journalismAction (physics)InstitutionQuality (philosophy)Social innovationPublic relationsPedagogyPolitical scienceSocial scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

Based on the theory and quality criteria of Youth-Participatory Action Research (Y-PAR), youth and adult co-researchers at a social innovation lab in Ontario, Canada, have undertaken various knowledge generation and action activities for the purpose of supporting youth mental health and wellbeing among transitional-age youth (ages 16–25). We describe the methodological and organizational approach employed in this undertaking, including aspects of the social innovation model to support the action components of Y-PAR. We draw on Bradbury-Huang’s (2010) seven choice points for quality in action research to structure this collective reflection. Our experiences illustrate the tensions and opportunities arising from housing a Y-PAR project within a large health services institution. We also note how social innovation lab processes can support the emancipatory aims of participatory research. Implications for using Y-PAR in other areas are included.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,122
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,644

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1220,053
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0320,071
Communication savante0,0170,010
Science ouverte0,0050,032
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,991
Tête enseignante GPT0,844
Écart entre enseignants0,147 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAction ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207