Recherche qualitative originale - Modélisation narrative pour étudier l’engagement à l’égard de la lutte contre les changements climatiques chez de jeunes dirigeants communautaires
Bibliographic record
Abstract
Introduction Plusieurs décennies de diffusion des connaissances sur les changements climatiques n’ont pas mené à des actions adéquates pour contrer les effets de ces derniers sur la santé des populations et l’équité en santé au Canada. Il a été prouvé que ce sont les perceptions et les interprétations basées sur le contexte qui conduisent à l’engagement. L’étude de l’engagement à l’égard de la lutte contre les changements climatiques nécessite donc une analyse de l’expérience contextuelle. Méthodologie Cette étude qualitative, qui repose sur l’approche narrative, visait à interpréter la signification des changements climatiques auprès de dix dirigeants communautaires à Saskatoon (Saskatchewan, Canada), dont l’âge variait entre 20 et 40 ans. Nous avons étudié leur discours sur les changements climatiques à la fois sur le plan structurel et sur le plan thématique. Résultats Nous avons élaboré un modèle pour organiser les résultats et décrire les concepts de fidélité et de dissonance dans le discours des participants. D’après nos résultats, la connaissance des changements climatiques et la motivation personnelle à agir n’empêchent pas la dissonance narrative, ce qui entrave l’émergence de réponse personnelle significative. Cette dissonance est susceptible d’apparaître là où des obstacles internes et externes gênent la mobilisation, et ce, à divers moments de la narration, à savoir lors du passage (1) de la connaissance du défi à un sentiment d’agentivité à cet égard, (2) de cette agentivité à un sentiment de responsabilité dans le choix d’agir, (3) de cette responsabilité au sentiment d’être en mesure de produire des résultats positifs malgré les défis contextuels et enfin (4) de cette capacité à l’émergence d’un sens moral en faveur de l’action en contexte. Sans cette fidélité narrative, il y a risque d’entrave à une mobilisation significative. Conclusion La modélisation du discours est utile pour étudier l’engagement à l’égard de la lutte contre les changements climatiques et éclaire, pour l’approche axée sur la santé des populations, les possibilités de surmonter les entraves à une mobilisation significative. Cette approche, formulée en utilisant une logique émotionnelle et morale pour parler des changements climatiques, pourrait aider les jeunes dirigeants à surmonter les obstacles internes et externes à leur engagement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.024 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".