MétaCan
Menu
Retour à la cohorte
Enregistrement W2006475400 · doi:10.1177/1090198113490724

Interorganizational Relationships in the Heart and Stroke Foundation’s Spark Together for Healthy Kids™

2013· article· en· W2006475400 sur OpenAlexaffabout
Jennifer Yessis, Barbara Riley, Lisa Stockton, Sharon Brodovsky, Shirley Von Sychowski

Notice bibliographique

RevueHealth Education & Behavior · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensHeart and Stroke FoundationImpactUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSPARK (programming language)Stroke (engine)Foundation (evidence)MedicinePsychologyGerontologyEngineeringPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The Heart and Stroke Foundation's Spark Together for Healthy Kids™ (Spark) is a multiyear initiative in Ontario, Canada, that takes a population approach to obesity prevention. It focuses on creating healthy environments by improving access to healthy foods and physical activity, with an emphasis on strengthening the advocacy capacity of organizations and citizens. Consistent with the complexity of the intervention, the evaluation of Spark applied systems concepts and methods to test the utility of network analysis as a method for evaluation, and to inform collaborations of organizations involved in programs and advocacy. Relationships among organizations from different sectors and jurisdictional levels with a focus on school community environments were of particular interest. Interorganizational network analysis was used to understand these relationships, including the role of the Heart and Stroke Foundation. Findings revealed a niche brokering role for the Heart and Stroke Foundation and other provincial and national organizations, and the importance of these brokers for engaging local and regional organizations. Findings also reinforced the importance of a mixed methods approach to network analysis, and the potential value of the analysis for scientific and practical purposes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil0,424

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,009
Communication savante0,0060,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,168
Tête enseignante GPT0,473
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Education & BehaviorMême sujetCommunity Health and DevelopmentTravaux en français237 207