Web-Based, Crowdsourced, First-Person Narratives of Young People's Daily Commutes as a New Method for Identifying Situations Impacting Their Subjective Wellbeing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Young people aged 15-24 represent approximately 21% of the global population and increasingly inhabit urban environments. Traditional wellbeing assessment tools typically depend on surveys that use predefined indicators failing to capture emergent, context-specific factors affecting youth navigating complex urban landscapes. This study addresses: How can we identify situations that impact the subjective wellbeing of young city dwellers during their daily commutes? We introduce “Youth-Targeted Mapped Crowd Sourced Storytelling for Wellbeing-Impacting Situation Identification” (YT-MCSST-4WISI), a novel methodology that combines Mapped Crowd-Sourced Storytelling (MCSST) for narrative collection, with a youth-targeted open-call recruitment strategy, and an analysis strategy encompassing thematic, narrative, phenomenological, and phenomenographic analyses with a focus on subjective wellbeing. We piloted YT-MCSST-4WISI via a participatory contest in Envigado, Colombia, engaging 34 ethically recruited participants aged 15-24. Using the open-source Ushahidi platform, participants submitted geotagged narratives describing their commute experiences. Narratives underwent multi-method analysis to identify recurring situations and emotional patterns. Results identified 30 wellbeing-impacting situations mostly overlooked by conventional surveys, including structural issues like steep topography (14.7% prevalence), heat exposure (23.5%), and transit unreliability, plus symbolic moments such as nature as refuge and social affirmations. By merging empathetic storytelling with scalable participatory tools, YT-MCSST-4WISI bridges constructivist and positivist paradigms, offering a scalable framework for youth-centred urban planning and policy, with strong potential for global scalability.
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.
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 | 0,012 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 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 découle