A Narrative Inquiry of East Asian Parents and Mental Health in Canada: Critical Openings for Anti-Racism Strategies in Knowledge Translation
Notice bibliographique
Résumé
BackgroundAnti-Asian racism is linked with adverse mental health conditions in young East Asian populations. There is a need to explore how to develop mental health resources for East Asian parents, yet minimal research explores anti-racism strategies for this work.PurposeThe objectives were to: open a critical dialogue for developing anti-racism strategies for mental health knowledge translation (KT) resource development, and explore complexities with engaging East Asian parents when developing KT resources.MethodsA narrative inquiry was conducted to collect East Asian parent stories on anti-racism strategies and mental health. East Asian parents across Canada engaged in semi-structured interviews between August to October 2022. Dialogic/performance analysis was used to inductively analyze the data. Findings: Three composite counter-narratives emerged from the data: 1) Storying issues of access within child mental health KT; 2) Seeking understanding and solidarity for the East Asian identity and story; 3) Unlearning, breaking barriers, and storying resistance. The composite narratives wove together seven storylines: a) availability and affordability, b) language and vocabulary barriers, c) lack of representation, d) issues of representation: power and whiteness, e) East Asian standpoint epistemology, f) breaking cycles, g) culture as a source of strength.ConclusionThe findings highlighted the complexities of engaging East Asian parents and recommended the need for an East Asian standpoint epistemology when developing child mental health KT resources and counter-spaces as a way to facilitate the centrality of East Asian standpoint epistemologies. These anti-racism strategies may promote solidarity for shared experiences beyond the white gaze and spaces.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,040 | 0,019 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».