Apoio social on-line: questões teóricas, metodológicas, benefícios sociais e recomendações
Bibliographic record
Abstract
RESUMO As plataformas de apoio social on-line (fóruns de discussão, grupos no Facebook, salas de chat etc.) são cada vez mais utilizadas por pessoas com doenças crônicas e seus cuidadores, que desejam falar com pessoas com problemas semelhantes fora da sua rede tradicional. O objetivo desta revisão de literatura foi apresentar as intervenções de apoio social on-line descritas na literatura científica recente, para: 1) orientar as organizações que desejam desenvolver tal intervenção ou melhorar um programa existente; e 2) identificar caminhos de pesquisa para pesquisadores e recomendações para planejadores de saúde. Foram analisados 59 artigos científicos apresentando intervenções de apoio social on-line (2006-2016), usando uma grade enfatizando as concepções teóricas de apoio social, as plataformas web utilizadas e suas funcionalidades, o processo de design e avaliação das intervenções, os métodos de participação e animação estabelecidos pelas organizações, os impactos documentados das intervenções nas populações e, finalmente, as vias de pesquisa e as recomendações para os planejadores de saúde. Uma metodologia narrativa foi usada para destacar os desafios de desenvolvimento e implementação para apoiar nossas organizações parceiras no desenvolvimento ou melhoria de suas intervenções de apoio social on-line.
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 | 0.018 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".