MétaCan
Menu
Retour à la cohorte
Enregistrement W4391221182 · doi:10.1037/rep0000542

Creative nonfiction approach to explore peer mentorship for individuals with spinal cord injury.

2024· article· en· W4391221182 sur OpenAlexafffund
Zhiyang Shi, Jeffrey G. Caron, Jacques Comeau, Pierre Lepage, Shane N. Sweet

Notice bibliographique

RevueRehabilitation Psychology · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensHEC MontréalCentre for Interdisciplinary Research in RehabilitationMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMentorshipSpinal cord injuryPsychologyPhysical medicine and rehabilitationMedicineSpinal cordPhysical therapyMedical educationNeuroscience

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Research has examined peer mentorship to understand how it may help people with spinal cord injury (SCI) adapt and thrive. We still lack an in-depth understanding of the perspectives of SCI peer mentors and mentees on their dyadic relationship. This study was to explore the dyadic interactions and relationships between SCI peer mentors and mentees in a peer mentorship program delivered at a rehabilitation center. RESEARCH METHOD: = 12). Data were analyzed using a creative nonfiction approach. RESULTS: Three unique dialogical stories were developed. Story 1 (A slow and steady start) described how mentors took a mentee-centered approach in building the relationship. Story 2 (Mentorship and friendship: negotiating the "grey zone") highlighted how mentees and mentors experienced challenges in navigating the boundaries between mentorship and friendship. Story 3 (The "endless" job for mentor) showcased how the relationship could enter a phase in which it could affect mentors' well-being. CONCLUSIONS: The stories highlighted important attributes to the relationships between SCI mentors and mentees. Considerations were suggested for community-based SCI organizations to integrate peer mentorship into rehabilitation settings, including optimizing mentorship introductions and matching, defining mentors' role explicitly, and building support systems for mentors. (PsycInfo Database Record (c) 2024 APA, all rights reserved).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil0,823

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,090
Tête enseignante GPT0,432
Écart entre enseignants0,342 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRehabilitation PsychologyMême sujetMentoring and Academic DevelopmentTravaux en français237 207