O uso do genograma e ecomapa como estratégia de coleta de dados em pesquisas com famílias
Bibliographic record
Abstract
Atualmente, tem crescido no Brasil o número de pesquisas de abordagem qualitativa destinadas à compreensão de fenômenos de saúde e doença sob uma perspectiva do sistema familiar, e não de seus membros isoladamente. Neste contexto, é indispensável a seleção cuidadosa de instrumentos de avaliação familiar que possam trazer dados significativos a partir de uma visão sistêmica. O Modelo Calgary de Avaliação Familiar apresenta dois instrumentos consagrados na prática clínica para avaliar famílias, a saber, o genograma e o ecomapa. Estudos recentes tem mostrado que o seu uso para fins de pesquisa é crescente e promissor. Discutir a aplicabilidade do genograma e ecomapa como estratégia de coleta de dados em pesquisas com famílias. Relato de experiência, em que as autoras apresentam os instrumentos e descrevem uma proposta de utilização dos mesmos como estratégia de coleta de dados, bem como os desafios inerentes à análise e triangulação destes achados com as demais fontes de coleta de dados. O genograma tem por objetivo estabelecer um retrato da composição familiar, e seu uso em pesquisas também promovem o quebra-gelo antes do início das entrevistas, além de fornecer dados importantes sobre a composição interna da família. O ecomapa, destinado a identificar como a família se relaciona com a comunidade, é imprescindível quando se busca conhecer e compreender experiências de apoio social ou privação de suporte nos desafios de saúde. Interpretá-los em conjunto com os demais dados coletados enriquece a compreensão das experiências familiares, à medida que a estrutura familiar é compreendida e fundamenta os demais achados. O genograma e ecomapa mostram-se úteis às pesquisas com famílias, e o uso destes instrumentos deve ser encorajado.
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 | 0.022 | 0.067 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.008 | 0.016 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".