Health equity via inclusive communications: self-censorship of marginalized health needs in qualitative research
Notice bibliographique
Résumé
Based on a multi-phase study conducted on the World Health Organization’s (WHO) age-friendly cities program, healthy-cities program, and global sustainable-cities initiatives, this paper assesses how older adults – particularly those living with chronic health conditions and disabilities – discuss mobility challenges in qualitative research. Initial results indicate that demobilizing levels of travel cost and travel risk are implied, with older adults refraining from direct discussion. Reflective analysis is performed on marginalized older adults’ conceptual associations, ideologies, and response to social norms, to identify sources of pressure which may lead to downplaying or self-censorship on transport disadvantage. Results highlight that inequalities may arise from both the built environment and how research trainees communicate in research. Despite literature which suggests severe impacts of transport disadvantage, older adults may face difficulties in voicing their needs when research trainees adhere to the following social norms. First, physical access and feasibility may be minimized as mere matters of convenience to the able-bodied individual; second, overcoming transportation barriers may be seen as based on one’s effort – as opposed to the disabling effects of the built environment; third, health and fitness in general may be also associated with one’s effort, and increasingly also to one’s commitment to environmental-sustainability; fourth, older adults may feel pressure to align perspectives with more privileged stakeholders, or with the general public; fifth, money and income may be delegitimized as apt research topics, regardless of how inability to overcome travel costs may impact daily-wellbeing. Implications for educating future gerontology-research trainees conclude the 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 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 | 0,293 | 0,234 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,018 | 0,060 |
| Communication savante | 0,015 | 0,022 |
| Science ouverte | 0,004 | 0,033 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».