MétaCan
Menu
Retour à la cohorte
Enregistrement W4414798811 · doi:10.1371/journal.pone.0333666

Understanding social inclusion: A directed content analysis

2025· article· en· W4414798811 sur OpenAlexafffundabout
Yvonne Tan, Imaan Bayoumi, Bruce Knox, Logan Jackson, Autumn Watson, Colleen Davison, Susan A. Bartels, Eva Purkey

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensQueen's University
Organismes subventionnairesSocial Sciences and Humanities Research CouncilSocial Sciences and Humanities Research Council of Canada
Mots-clésFacilitatorInclusion (mineral)Psychological interventionContent analysisMEDLINE

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Social inclusion can be defined as a process that enhances opportunities for social participation, strengthens social bonds, and ensures equitable access to opportunities and decision-making. It emphasizes the interconnectedness of society and the active roles individuals play in upholding shared values and responsibilities. This study aimed to explore factors contributing to social inclusion from the perspective of families in Kingston, Ontario who self-identified as having a history of adversity and as being resilient during the COVID-19 pandemic. METHODS: Participants consisted of a maximum variation sample of families who demonstrated family level resilience during the COVID-19 pandemic. Focus groups and semi-structured in-depth interviews were conducted to allow participants to explore what helped or hindered their family resilience during and beyond the pandemic. Using directed content analysis, line-by-line coding of interview transcripts was conducted to explore the fit between data and an existing social inclusion framework. RESULTS: The majority of data fit meaningfully into the dimensions established in the social inclusion framework:(1) Quality Education; (2) Innovation & Technology; (3) Governmental Policies & Laws; (4) Transportation & Infrastructure; (5) Employment & Organizations; (6) Poverty & Economy; (7) Medical & Health; and (8) Community & Culture. However, we noted that some dimensions could be both sources of and barriers to social inclusion. Additionally, our study identified specific elements not discussed in the original inclusion framework, including informal education, public gathering spaces, nature, the social dimensions of poverty, and mental health care. CONCLUSIONS: Participants perceived social inclusion as a facilitator of resilience. Interventions targeting the many dimensions of social inclusion must be implemented to drive positive community transformation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,037
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,011
Études des sciences et des technologies0,0050,005
Communication savante0,0050,004
Science ouverte0,0020,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,365
Tête enseignante GPT0,403
Écart entre enseignants0,038 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetResilience and Mental HealthTravaux en français237 207