Co-designing a survey on computer-mediated communication use among adolescents with acquired brain injury: evaluating participant experiences in a mixed-methods study
Notice bibliographique
Résumé
Background Computer-mediated communication (CMC) - using technology to engage with others via digital platforms (e.g. social media) - is an integral mode of social interaction for adolescents. Integrating CMC into rehabilitation could benefit adolescents with acquired brain injury (ABI), yet its use is under-studied. This study aimed to address this gap by co-designing a survey on CMC use among adolescents with ABI and evaluating the project team's perceptions of engagement in the co-design process post-study. Methods The project team comprised 10 interest-holders: youth with ABI (n =2), rehabilitation professionals (n =2), researchers (n =5), and a family member (n =1). Survey co-design sessions conducted via videoconferencing were guided by the Double Diamond (DD) Framework. Mixed-methods analysis included descriptive statistics from the Patient and Public Engagement Evaluation Tool (PPEET), qualitative insights on team engagement and reflexive thematic analysis of memos, and overview of survey categories and questions. Results Five co-design sessions resulted in the Social Media Building Blocks (SMBB) survey, refined through piloting with two youth with ABI and a health literacy review. PPEET data showed strong team engagement, with 5/6 'strongly agreeing' their views were heard and valued. Thematic analysis of team memos identified three themes: valuing diverse perspectives, enthusiastic engagement in co-design, and the importance of reflexivity. The final SMBB survey included four question categories: participation in online communication, accessibility, post-ABI communication experiences, and desired supports. Conclusions Project team members valued the collaborative survey design phases and engaging youth with ABI. Findings highlight co-design frameworks' potential to enhance engagement in rehabilitation research.
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 | 0,029 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».