Awareness of Humanities, Arts and Social Science (HASS) Research Is Related to Patterns of Citizens’ Community and Cultural Engagement
Notice bibliographique
Résumé
Why should societies invest resources in humanities, arts, and social sciences (HASS) research? While citizens’ quality of life should be affected by the type and level of cultural amenities they have access to, the broader links between HASS research and its impacts on quality of life attributes can be tenuous because of the research attribution challenge, temporally and spatially linking specific HASS research and its ultimate impact on well-being and society. From a survey of 1920 Canadians, here I report perceived values, awareness of HASS research, threats to quality of life, and levels of community and cultural engagement. The key finding of this exploratory study was that HASS research awareness acted as a powerful predictor of threat perceptions, levels of community activity, and cultural engagement at the local level. It was not, however, a significant predictor of core values. From a theoretical perspective, this is in line with a priori expectations that core values are a precursor to worldviews, threat perceptions, and behaviors. There are very different policy prescriptions for increasing HASS research awareness and, by extension, Canadian citizens’ propensity for cultural and physical engagement, depending on how HASS research awareness affects their threat perceptions, values, and behavior. They include alternatives that focus on experiential learning early in life and adult-oriented awareness-building activities. The strong relationship between HASS research awareness and citizen engagement implies that there are important roles for education and awareness-building activities beyond simply encouraging future consumption of cultural commodities among HASS-aware citizens.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».