"What makes a great story?: Multidisciplinary and International Perspectives On Digital Stories By Youth Formerly In Foster Care In Canada
Notice bibliographique
Résumé
What makes a great story? This qualitative arts-based dissertation study explores multidisciplinary and international perspectives on digital stories created by youth formerly in foster care. Over Skype, thirty-five participants from the arts, healthcare, education, and social services sectors watched three short digital stories about experiences of youth in foster care. Then, each participated in a 90 minute semi-structured interview to discuss the value, impact, and potential for digital storytelling to influence social change.\n\nAll participants spoke about how the three digital stories presented honest and personal experiences that contrast dramatically with stories presented in the media about foster care. After viewing these stories, all participants asserted that there is a need for the creation and sharing of authentic and emotional stories that connect with specific audiences to subvert idealistic narratives in the media about youth currently and formerly in foster care.\n\nI drew on participant narratives using Constructivist Grounded Theory approaches to develop the 4A model to describe the attributes of great stories: Anticipation, Actualization, Affect, and Authenticity. I also created seven multimodal outputs that contributed to the shaping of the findings and enhanced reflexive praxis.\n\nThe implications of this work varies across disciplines. Digital storytelling facilitators may develop insights into better supporting future participants to think critically about the impact and value of their stories before they write them. Artists may consider how best to employ their aesthetic skills and techniques to create compelling and storied artworks. Social service professionals may consider how to further leverage stories to build empathy and positively impact care delivery.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule tête enseignante, 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 ».