MétaCan
Menu
Retour à la cohorte
Enregistrement W4403424335 · doi:10.1145/3677095

Playful Resilience: Empowering Recovery through Autobiographical Game-Based Storytelling in the Opioid Epidemic

2024· article· en· W4403424335 sur OpenAlexaffabout
Sandra Danilovic, Kenny Chee, Michelle Skop

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensUniversity of TorontoWilfrid Laurier University
Organismes subventionnairesUniversitas Brawijaya
Mots-clésStorytellingNarrativePsychological resiliencePsychologyAddictionSociologySocial psychologyPsychiatryArt

Résumé

récupéré en direct d'OpenAlex

The opioid epidemic is a persistent public health problem throughout Canada, with opioid-related deaths spiking during the COVID-19 pandemic. Focusing on Brantford and Hamilton, Ontario, which have high rates of opioid poisoning, this participatory game jam project examines how 21 adults (ages 18+) with a history of opioid addiction make sense of their life experiences through the processes of autobiographical game-based storytelling, including ideation, narrative design, and environmental storytelling. Phenomenological interviews, processual artifacts like concept sketches, doodles, and reflections, and game prototypes generated through Scratch, Twine, and Bitsy facilitated the exploration of six key phenomena representing autobiographical game-based storytelling: maze metaphors, decision-making, compact games, morality and religion, resilience, and social communion. This interdisciplinary project explores how game-based storytelling supports recovery and restores dignity among adults experiencing opioid addiction while raising awareness of health inequities, thereby humanizing the opioid crisis.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,091
Tête enseignante GPT0,428
Écart entre enseignants0,337 · 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'étudeSans objet
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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetDigital Storytelling and EducationTravaux en français237 207