<i>Les affordances scientifiques et sociales du photovoix en contexte de santé mentale : perspectives critiques issues de deux projets de recherche</i>
Bibliographic record
Abstract
Le photovoix, une approche participative émancipatrice invitant les personnes participantes à documenter un thème d’intérêt à travers la prise de photographies, a connu un essor appréciable ces dernières années. Cependant, son utilisation et sa documentation demeurent rares dans l’exploration d’enjeux de santé mentale en contexte francophone. Cet article vise à combler ce manque de connaissances par la mise en évidence de certaines des affordances – ou possibilités – scientifiques et sociales de l’approche dans un cadre de promotion de la santé mentale. Il s’appuie pour cela sur le retour d’expériences et les réflexions issus de deux projets de recherche conduits en ligne pendant la pandémie de COVID-19 avec des populations marginalisées, notamment les aînés et les jeunes de la communauté lesbienne, gaie bisexuelle, trans, queer et autres minorités sexuelles et de genre (LGBTQ+) au Québec. Sur le plan scientifique, ces travaux révèlent que le photovoix permet de générer une connaissance contextualisée, humanisée et affective. Sur le plan social, ces recherches mettent en évidence la possibilité d’engendrer des safe spaces , une meilleure connaissance de soi, de la résilience et un débat sociétal. En abordant également les défis de cette approche, cet article démontre que le photovoix est un processus de recherche basé sur la co-construction, capable de contribuer à une meilleure connaissance de la santé mentale, d’infléchir les regards sur cette dernière et de promouvoir la justice sociale.
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 | 0.032 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.017 | 0.044 |
| Scholarly communication | 0.020 | 0.012 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.015 | 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".