MétaCan
Menu
Retour à la cohorte
Enregistrement W4401636897 · doi:10.3390/disabilities4030036

Exploring Conceptualizations of Disability Using Story-Completion Methods

2024· article· en· W4401636897 sur OpenAlexaffabout
Nicole Giouridis, Toni L. Williams, Julia McKenna, Jennifer R. Tomasone

Notice bibliographique

RevueDisabilities · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCompletion (oil and gas wells)PsychologyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

This study explored conceptualizations of disability pertaining to peer relationships versus romantic relationships, as well as type of physical disability, using story-completion methods. Seventy-four graduate and undergraduate students from a Canadian university completed one of two versions of a story stem featuring an individual with a physical disability who was either a classmate or a potential romantic partner. Through the process of thematic analysis, three themes were generated as patterns across stories: (1) assumptions about disability present from first glance; (2) uncertainty in navigating negative assumptions of disability; and (3) from discomfort to acceptance of disability through social connection. Storylines differed depending on the type of relationship (i.e., peer or romantic) in both story length and outcome of the relationship. Findings suggest the usefulness of the relatively infrequently used method of story completion for assessing students’ narratives and discussion of meanings surrounding differing relationships with persons with a disability. This study further develops our understanding of cultural norms of disability, as well as highlights the importance of disability knowledge and interaction between persons with and without a disability, to foster positive change in representations and perceptions of disability.

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)0,022
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,055
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0030,004
Communication savante0,0040,005
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
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 Opus0,340
Tête enseignante GPT0,410
Écart entre enseignants0,070 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDisabilitiesMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207