<b>‘</b>Our culture makes us strong’: Understanding and working with community strengths among Aboriginal people in western Sydney
Notice bibliographique
Résumé
BACKGROUND: Strengths-based approaches to health care are often seen as an alternative to deficit-based approaches and are common in Aboriginal health settings. Despite this, there is little existing research that describes Aboriginal peoples' perspectives about the strengths of their communities. This paper describes cultural strengths and resources as understood by Aboriginal people living in western Sydney. METHODS: In-depth interviews were used to collect qualitative data from two communities on Dharug and Dharrawal Country in western Sydney Australia. Data come from a larger study, which focused on how cultural strengths supported sexual well-being. Fifty-two interviews were conducted with Aboriginal young people (aged 16-24 years) by trained peer interviewers. Additionally, 16 interviews with Aboriginal adults (25 years and older) were conducted by members of the research team. FINDINGS AND DISCUSSION: While opinions varied, four key areas of cultural strength were identified: (1) strong kinship relationships; (2) knowledge sharing; (3) shared experiences, identities, and values; and (4) knowing Country. Throughout these four themes, the sense of connection and belonging is viewed as an important overarching theme. CONCLUSION: Communities are not homogenous with regard to what they view as cultural strengths. Knowing Country and practising culture meant different things to different individuals while providing a similar sense of belonging, connection, and identity. SO WHAT: Health service providers, policies, and programs can use this information to understand the continuing impacts of past policies and events whilst recognising that each community has strengths that can be drawn upon to improve service engagement, knowledge sharing, and health outcomes.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».