Women Dealing with Shame through Story, Dialogue & Drama Techniques
Notice bibliographique
Résumé
“I’m not enough,” says the woman covered in shame. For women, shame looks like a web of unattainable expectations based on identity, as found by Dr. Brene Brown in her recent research (“Shame Resilience Theory” 46). Shame is her inability to maintain societal expectations on appearance, living in a broken home, or thinking she isn’t smart enough. Throughout my undergrad I’ve learned what drama can do, and after making that list, I found that my only remaining question was ‘Can drama help people deal with shame?’ My research will seek to answer: “How can using dramatic methods such as; story, dialogue, and Play Back Theater help female university students to explore and overcome feelings of shame?” My goal is to utilize narrative inquiry, dialogue, and the techniques of Augusto Boal’s Theatre of the Oppressed to help undergraduate women gain self-awareness and healing in terms of their personal shame. Utilizing a mixture of qualitative and quantitative research I’m going to run 3-5 exclusive Play Back Theatre sessions – a style of theatre that involves sharing the stories of audience members and retelling them in theatrical ways - for 10-15 participants during the winter semester. I will use prior and post questionnaires, and focus group meetings for dialogue to obtain my results. This research question is important because if shame fuels disconnection and drama promotes connection, then I want to find out if these ‘therapeutic’ aspects of drama can help women explore and overcome shame in their lives. If my research is successful, some desired outcomes are that the women feel heard and helped, as well as the findings be used to help other educators guide women through their shame by utilizing these drama techniques. The program may also be integrated into curriculum outside of psychotherapy.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; 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 ».