Picturing informed consent: Exploring participatory visual methods to enhance meaningful consent conversations with young people
Notice bibliographique
Résumé
Informed consent (IC) is a cornerstone of ethical research, ensuring participants are informed and provide voluntary agreement to participate. Yet IC remains complex, especially in research with young people, and practical examples for engaging youth meaningfully in IC processes are limited. Participatory visual methodologies engage youth as knowledge producers to think creatively, express diverse perspectives, and engage in dialog. This study explores how participatory visual methodologies can involve youth in IC by inviting them to create and discuss visual representations of its key concepts. Grounded in literature on research ethics with young people, we ask: How do young people in Cameroon represent some of the core concepts within IC visually, and what kinds of conversations emerge around these representations? To address these questions, we conducted workshops with 56 young people (10–16 years old) in Cameroon’s Southwest and Northwest Regions. Participants took photos to represent and discuss the benefits and risks of research, voluntary participation, and confidentiality as key elements of IC, and created visual representations of IC forms. Findings show that incorporating visual elements in IC prompted participants to critically engage with IC, facilitating a deeper contextualized and nuanced understanding and meaningful dialog about both the notion of consent and the study they are potentially consenting to. This study presents a case on adolescents and IC in an African context, emphasizing the importance of social and cultural factors in IC and contributing to literature that largely focuses on younger children in Western settings. Integrating participatory visual methods reframed IC as a collaborative, group-centered process rather than a researcher-driven, one-time event. These findings highlight the potential of participatory visual approaches to deepen youth engagement in research ethics, contributing to more equitable and locally relevant research practices.
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 | 0,109 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,018 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».