WhatsApp and Wellness: Exploring the Motivations and Challenges in Health Literacy and Health Information Seeking Among African Immigrants
Notice bibliographique
Résumé
Purpose: The purpose of this study is to investigate health information seeking behavior of African Immigrants in Vancouver, British Columbia, Canada. Methodology: Survey research design was employed in this study. Web-based questionnaire was used to collect data from 32 participants who are members of a WhatsApp Group for African Immigrants in Vancouver BC. Descriptive statistics of simple percentage was used to analyze the data. Findings: The study examined motivation for using WhatsApp as a source of health information seeking, familiarity with and affordability of healthcare plan in Vancouver BC, and the healthcare access challenges of African immigrants. While most respondents reported familiarity with the healthcare system in Vancouver, BC, only a few of them had a family physician, indicating a gap between perceived knowledge and practical engagement with healthcare professionals. Many participants relied on WhatsApp for health information; however, such platforms often provide only temporary solutions, underscoring the importance of professional healthcare consultations. Limitations: The study’s participants were selected through purposive sampling which cannot be representative of the population as a whole. Also, using a Web-based questionnaire as a data collection instrument and focusing on the participants who are members of a Whatsapp Group restricted the size of the sample. Originality: This study contributes to the ongoing discourse on the use of Social Media beyond mere social interaction. It also creates a call-to-action for healthcare stakeholders in multicultural societies on the need to rethink culturally-appropriate healthcare access.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».