Stories, Arts, and Equity: Intergenerational Qualitative Methods for Inclusive Public Health Research
Notice bibliographique
Résumé
Health inequalities persist despite extensive public health research and interventions. Qualitative approaches are increasingly recognized for their ability to capture the nuanced, lived experiences of marginalized populations—an essential perspective in a world marked by complexity and uncertainty. This paper draws on two case studies to examine the role of qualitative methods in public health research, emphasizing the importance of amplifying marginalized voices and fostering intergenerational dialogue. Case Study 1 explores the use of visual methods to elevate the voices of people with dementia, a group often overlooked in traditional health research. Through video storytelling, participants shared their lived experiences, offering deeper insights into the challenges they face and the broader social implications of dementia. This case demonstrates the power of visual storytelling to capture the emotional and social dimensions of health inequalities while providing practical lessons for engaging vulnerable populations in research. Case Study 2 examines an intergenerational co-creation workshop series that used collaborative arts engagement to stimulate climate change dialogue amongst older adults (aged 60 years+) and children (aged 9 to 12). The project highlights the significance of creating spaces for cross-generational conversations and co-creative exploration, illustrating how such engagements can bridge knowledge gaps, address structural inequities such as ageism, and contribute to addressing climate-related health disparities. Together, the two case studies illuminate the potential of qualitative methods to advance health equity by supporting inclusive, relational, and justice-driven approaches to public health research. They underscore the value of participatory engagement in generating useful insights and fostering social change.
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 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 | 0,374 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».