Is a picture worth a thousand words? : the development and validation of a picture-based knowledge transfer tool for university students
Bibliographic record
Abstract
Cette thèse porte sur le développement et la validation d’un outil visuel de transfert de connaissances en santé mentale. Cet outil est nommé le PicMH-U, un acronyme pour picture-based mental health tool – university version. Cet outil de transfert de connaissances a été développé avec la participation de la population cible, soit les étudiant.e.s universitaires. L’information qu’il contient porte sur les problèmes de santé mentale qui ont le plus grand impact sur les étudiant.e.s universitaires, tel que recensé en 2016 par l’Enquête sur la santé psychologique étudiante (ESPE), et une liste de ressources psychosociales à laquelle les étudiant.e.s peuvent accéder. Ces éléments ont été ciblées pour répondre aux taux disproportionnés de problèmes psychologiques et l’importance de mettre en place des interventions psychosociales appropriées pour les étudiant.e.s universitaires. Cette thèse poursuivait deux objectifs: 1) connaître l’état de la recherche sur l’utilisation des images pour communiquer/transférer la recherche en santé mentale et en psychologie aux adultes nord-américains; et 2) de développer et valider des outils de transfert de connaissances avec un échantillon de cette population, soit : des étudiant.e.s d’une université canadienne. Le premier objectif a été satisfait à l’aide d’une revue systématique de la littérature (Article 1; Chapitre 3) et le deuxième grâce à des consultations avec la population cible (Chapitre 2) et un essai contrôlé randomisé longitudinal (Article 2; Chapitre 4). Les deux articles sont soumis à des revues évaluées par des pairs mais ils ne sont pas publiés. Les résultats présentés dans le premier article montrent que la recherche sur l’utilisation des images pour transférer des connaissances en santé mentale auprès d’adultes nord-américains se limite exclusivement à la lutte anti-tabagique. Les résultats présentés dans le deuxième article montrent de meilleurs résultats pour la condition « avec les images » (PicMH-U) que pour la condition « texte » (TextMH-U) sur tous les tests de mémoires, mais pas sur la satisfaction des utilisateurs, l’intention d’utiliser les ressources, ni l’utilisation des ressources. Cette thèse contribue à l’amélioration des domaines portant sur la communication à l’aide d’images et le transfert de connaissances en santé mentale communautaire en étudiant une intervention fréquemment utilisée dans les communautés de pratique mais qui n’est pas validée par la recherche empirique. En validant l’utilisation des images pour la communication de résultats de recherche en santé mentale chez la population étudiante, cette thèse fournit des données probantes permettant de renforcer cette pratique.
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 | 0.021 | 0.088 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
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".