MétaCan
Menu
Retour à la cohorte
Enregistrement W4391468764 · doi:10.1080/19325037.2023.2297277

Health via Art, Media, Storytelling: Design Implications of a Freirean Framework

2024· article· en· W4391468764 sur OpenAlexafffund
John C. Hayvon

Notice bibliographique

RevueAmerican Journal of Health Education · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésStorytellingHealth educationSociologyPsychologyMultimediaPedagogyComputer scienceNursingMedicinePublic healthNarrativeArt

Résumé

récupéré en direct d'OpenAlex

The framework seeks to acknowledge and minimize risks of 1) simultaneous, negative health-impacts, and 2) reinforcing Freirean oppression and health inequalities via health-oriented media. Media can be accessed to resolve one’s complex landscape of socially-imposed tasks and self-determined tasks. Health messaging, therefore, may be present but deprioritized - when marginalized audiences face more pressing socially-imposed tasks such as basic livelihood. There is value in exploring and minimizing connotations in health media which reinforce social-impositions; glamorize potentially-harmful personal goals; and obfuscate the combined totality of tasks an individual faces. Additionally, health-media creators may consider how power and privilege is presented, as the overriding societal perspective is that power and privilege can resolve all tasks in life - thus entrenching individuals in pursuit of privilege over pursuit of health outcomes. The framework highlights that media may bring any of the negative impacts above while holding valid health messaging simultaneously. Furthermore, the same piece of health-media may not always bring identical levels of health-benefits to privileged and marginalized communities. How health media may reduce 1) inequitable distribution of health benefits and burdens according to existing inequalities and 2) eliminate unintended negative messaging which occur alongside positive messaging are outlined for consideration.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,398
Écart entre enseignants0,354 · 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'étudeAutre devis
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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Health EducationMême sujetEmpathy and Medical EducationTravaux en français237 207