Assessing the Impact of a Community-Based Narrative Film about Diabetes and Homelessness
Notice bibliographique
Résumé
Stigma prevents societal acceptance, reinforces social inequities, and greatly complicates the management of diabetes for those dealing with homelessness. Various forms of media, such as film, can educate audiences and play a role in reducing stigma, but the effectiveness of such interventions in changing individuals’ knowledge, attitudes, and beliefs (KAB) requires further exploration. This study assessed the impact of a film on diabetes and homelessness through pre- and post-surveys of audience members ( n = 202) at 12 screening events. The surveys measured changes in KAB through Likert scale questions, with scores ranging from 1 to 5. Statistical analyses, including Wilcoxon signed-rank and Kruskal–Wallis tests, were used to assess differences in KAB before and after viewing the film, as well as variations based on prior familiarity with diabetes and homelessness. Respondents’ knowledge increased significantly across all topics related to both diabetes and homelessness. There were significant differences in all questions that assessed respondents’ attitudes. Notably, respondents’ beliefs changed significantly to be more positive, except for a single question where the pre-scores already demonstrated reasonably high baseline knowledge. In several domains, respondents familiar with diabetes did not have as significant of a change compared with individuals who were less familiar with diabetes at baseline. These findings suggest that narrative films can positively influence audience members’ KAB about stigmatized conditions like diabetes and homelessness. Future research will examine the lasting impact of such interventions on audience members’ KAB.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».