Critical Interventions, Real Conversations: Discursive Design for Culturally Tailored Smoking Cessation
Notice bibliographique
Résumé
This exploratory study examines how discursive design—using provocative, speculative artifacts to spark reflection and discussion—might expand public health experts’ problematization of approaches to tailoring and targeting interventions. Cultural tailoring and targeting (CTT) refers to adapting interventions for specific sociocultural populations. Because LGBTQ+ communities experience disproportionately high rates of tobacco use, this study applies discursive intervention concepts within this context to explore how they might help experts critically engage with CTT strategies for reaching LGBTQ+ populations more effectively. To investigate this, two pairs of discursive intervention concepts were designed and presented to three focus groups of public health experts. Each pair juxtaposed a conventional intervention approach with a more provocative, unfamiliar one—for example, deepfake-driven behavior disruption. The goal was to document the type of conversation discursive design could stimulate around CTT considerations and generate insights relevant to the value of design methodologies to foster new ways to problematize public health matters. Findings indicate that the concepts prompted critical conversations about CTT, although the depth and focus of engagement varied. Those with greater expertise in LGBTQ+ issues engaged more with CTT mechanisms and implications, while others focused on implementation and feasibility concerns—essential to intervention development but outside the study’s focus. These patterns highlight who should be included in such efforts and how they should be engaged from a facilitation perspective, raising important considerations for methodological refinements and future research. Overall, this initial exploration aims to uncover the potential of discursive design to deepen understanding of CTT interventions and inform more responsive, innovative approaches to addressing tobacco use among priority populations.
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 | 0,065 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».