An inquiry into the Enablers of ‘Human Response Capacity’ in Individuals and Communities during instances of Mental Distress in India
Notice bibliographique
Résumé
Mental health challenges affect a significant number of people globally. Technical solutions promote cure and healing. Parallelly, inclusion of the affected individuals and neighbourhoods in the solution is critical for addressing mental health stigma, utilising community competencies, building ownership and promoting sustainable solutions. Human capacity for response theory and the SALT (Support / Appreciate / Listen / Team) approach offers a framework to understand and utilise the inherent strengths of people. Volunteers are a useful resource, who offer their time and skills to address challenges. This research attempts to understand the coping mechanisms of communities facing mental health challenges, the use of the SALT approach by organisations to promote coping in communities, and implications of the SALT approach for volunteers. Case study method and thematic analysis was used to study three cases of 1) communities affected by drug use in Aizawl 2) suicides in Pune and 3) floods in Kochi, in India. The study reveals a nuanced response of stigma, ownership, connections for healing, and the role of spirituality by affected people; role of SALT in promoting acknowledgement, human connectedness, healing, and motivation to support others in similar distress; and the need to understand the motivation of volunteers and invest in their training and self-care, for sustained volunteering. This study illuminates the potential of communities to be a part of the solution, need for listening and community building - alongside technical support - by organisations, and importance of investing in capacity building of volunteers.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,017 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».