Digital storytelling to promote disability-inclusive research in Africa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Digital stories have been shown to be effective in sharing information. The Partnerships for Inclusive Research and Learning (PIRL) was a 4-year international participatory research project focussed on the digital divide in inclusive research. Objectives: Members of PIRL share their experience of using digital storytelling to get key messages from the project to a wide range of people. Method: Members of PIRL were invited to develop digital stories and create project-specific guidelines for digital story development. Seven people participated in workshops given by experts, read literature, watched digital stories and discussed how to create digital stories. Results: The group created six digital stories, each one addressing a different aspect related to disability-inclusive research, with many having a focus on Africa and the creation of credible African evidence. The importance of assisting community members to think about and support research and evidence creation was one of the goals of the project. The videos provide an avenue to share insights about disability-inclusive development research. Group members stated that being part of the process significantly improved their understanding of translating evidence into formats that are more understandable. Conclusion: Creating digital stories requires commitment, a significant amount of time, access to digital tools, and financial resources. Working collaboratively on this project was not only meaningful but also encouraged positive working relationships and fostered critical thinking. Contribution: This article contributes to a better understanding of ways in which digital storytelling can be used in knowledge-sharing strategies to promote disability inclusion.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle