MétaCan
Menu
← Retour à la cohorte
Enregistrement W7115813364

A Story That Carried Me with It: An Exploratory Analysis of COVID-19 Information Sources among Members of Six Nations of the Grand River

2025· dissertation· en· W7115813364 sur OpenAlexaff

Notice bibliographique

RevueMacSphere (McMaster University) · 2025
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIndigenousDescriptive statisticsReputationPerceptionExploratory analysisExploratory researchInformation source (mathematics)Social media
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Introduction: Throughout the COVID-19 pandemic, Indigenous people reported receiving their COVID-19 information from various sources, including friends, family, and community-developed resources. When evaluating the information that they trust the most, it is crucial to consider the complex & dark history that has shaped the reputation of the healthcare system for many. This thesis explored how community members of the Six Nations of the Grand River (SN) First Nations Reserve received and interpreted information relating to the pandemic. There exists no identified evidence that explores how Indigenous people from SN explored, navigated, or interpreted health communication throughout the pandemic. Research Questions: 1) Do different sources of COVID-19 information influence health perceptions or behaviours among members of the SN community?; 2) What factors influence individuals’ choices of specific COVID-19 information sources among members of the SN community? Methods: These questions were answered using descriptive statistics and a nominal logistic regression model. To complement this, I tied the results to their lived experiences working within the community grounded in anecdotal evidence gathered from community members and SN staff during the pandemic. Results: Participants who reported primarily relying on personal networks or social media for their COVID-19 information were less likely to perceive COVID-19 as a serious threat to the community or engage in protective behaviours such as masking and vaccination. The regression highlighted that higher education and income levels were associated with a lower RRR of relying on social media or personal networks compared to governmental sources (e.g., people with a bachelor’s degree (compared to less than high school) had an RRR of 0.11 [0.037-0.31] for choosing personal networks as their primary information choice). Conclusion: This thesis highlights the importance of trust, lived experience, & cultural relevance in supporting community members to make informed health decisions for themselves, their community, and their families.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,007
Communication savante0,0060,006
Science ouverte0,0020,008
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,015
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)→Même sujetIndigenous Health, Education, and Rights→Travaux en français237 207→