MétaCan
Menu
Retour à la cohorte
Enregistrement W7008597493

Community coherence during COVID-19 – a pilot study

2023· article· en· W7008597493 sur OpenAlexaboutno aff

Notice bibliographique

RevueSocio-Environmental Systems Modeling · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth, psychology, and well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLonelinessFocus groupQualitative researchCoherence (philosophical gambling strategy)Cohesion (chemistry)Public healthCitizen journalismCommunity-based participatory research
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Using a salutogenic perspective, this qualitative pilot study aimed to explore the experiences of university staff and students in various Western countries with community coherence during COVID-19. This entailed a focus on individual and community assets that contributed to positive experiences with community coherence during the pandemic. Sixteen participants from University staff and postgraduate students in Europe and Canada interested in Public Health were included. The study was conducted online via Microsoft Teams using the Structured Interview Matrix method. This participatory facilitating method enabled participants to dialogue about their experiences with community coherence during COVID-19. The results show that during COVID-19, participants primarily engaged in activities related to personal health and well-being, related to close family, friends and neighbours and an increased need to use digital technologies in their free time and during working hours. Key themes observed across the various international communities during the times when high levels of restrictions were in place, were a greater sense of loneliness and vulnerability. This pilot study indicates that there was a high level of community cohesion during COVID-19 and that people, despite living in different countries, were active in very similar ways.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0080,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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.

Tête enseignante Opus0,203
Tête enseignante GPT0,446
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocio-Environmental Systems ModelingMême sujetHealth, psychology, and well-beingTravaux en français237 207