Web-Based, Crowdsourced, First-Person Narratives of Young People's Daily Commutes as a New Method for Identifying Situations Impacting Their Subjective Wellbeing
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.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».