MétaCan
Menu
Retour à la cohorte
Enregistrement W4416370690 · doi:10.3138/jmvfh-2024-0081

Evaluating an expressive writing program in supporting military women’s transition to civilian life

2025· article· en· W4416370690 sur OpenAlexaffvenueabout
Kelly McShane, Shelley Lepp

Notice bibliographique

RevueJournal of Military Veteran and Family Health · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health via Writing
Établissements canadiensCanadian Science Writers AssociationWestern University
Organismes subventionnairesnon disponible
Mots-clésEmpowermentFocus groupProgram evaluationLived experienceTransition (genetics)Patient EmpowermentReflective writingFocus (optics)

Résumé

récupéré en direct d'OpenAlex

Expressive writing programs provide opportunities to engage in reflective writing centred on lived experience. Research shows the benefits of expressive writing for Veterans reintegrating into civilian life; however, there is a need for programs that are specific to women, in light of their gendered experiences in the military. The goal of this study was to articulate the program theory and examine preliminary evidence of outcomes for a new peer-led expressive writing program for women who have served in the Canadian military. An outcome harvesting approach was used to collect data through surveys and interviews with participants and facilitators (N = 7). Participants spoke of experiencing the program as a safe space because of the self-directed participation of the writing and sharing process. Many women related they felt their experiences were affirmed through the program's focus on positive feedback. This was further noted in the fact that writing in the program was treated as fiction, which created a "safe distance" and in turn allowed for deep connection between participants. Positive changes were found for the following outcomes: connection with others, well-being, creativity, empowerment of voice, and willingness to share.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,457
Écart entre enseignants0,386 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Military Veteran and Family HealthMême sujetMental Health via WritingTravaux en français237 207