Playing with Perceptions: Reducing Mental Health Stigma through Proxy Experiences in Video Games
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This pilot study examines how self-identified gamers perceive video games as tools for reducing public stigma around mental health issues (MHIs) using a sequential, linked mixed-methods design. A closed online survey (N = 50) assessed demographics, gaming/media engagement, and attitudes toward MHI representation and served as the recruitment pool for an in-person qualitative phase, in which a subset completed individual playtests of Hellblade: Senua’s Sacrifice (2017) followed by semi-structured interviews (n = 7). Participants across both phases supported the use of video games for destigmatization. Playtesters emphasised that stigma-reduction impacts are more plausible when designers prioritise engaging narrative design, immersive play, and meaningful player autonomy over overt, moralizing, or didactic instruction. They linked Hellblade’s authenticity and ethical representation to the proactive collaboration between developers, mental health professionals, and people with lived experience of MHIs. They also advocated for wider consultation with related affected groups (e.g., family members) to better reflect the cumulative and far reaching societal impacts of mental health issues. Three developer-oriented recommendations emerged: define target audiences beyond “gamers” alone; design research-informed games that balance compelling play with sensitive portrayal; and disseminate across several platforms concomitantly to reach active players, wider gaming-related communities, and non-gaming publics.
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle