MétaCan
Menu
Retour à la cohorte
Enregistrement W2020204840 · doi:10.3390/laws4010037

Supported Decision-Making for People with Cognitive Impairments: An Australian Perspective?

2015· article· en· W2020204840 sur OpenAlexaboutno aff
Terry Carney

Notice bibliographique

RevueLaws · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealthcare innovation and challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConvention on the Rights of Persons with DisabilitiesAgency (philosophy)Government (linguistics)CommissionPublic relationsSocial securityPublic administrationLaw reformBusinessWelfareConventionPolitical scienceLawSociology

Résumé

récupéré en direct d'OpenAlex

Honouring the requirement of the Convention on the Rights of Persons with Disabilities to introduce supported decision-making poses many challenges. Not least of those challenges is in writing laws and devising policies which facilitate access to formal and informal supports for large numbers of citizens requiring assistance with day-to-day issues such as dealing with welfare agencies, managing income security payments, or making health care decisions. Old measures such as representative payee schemes or “nominee” arrangements are not compatible with the CRPD. However, as comparatively routine social security or other government services become increasingly complex to navigate, and as self-managed or personalised budgets better recognise self-agency, any “off the shelf” measures become more difficult to craft and difficult to resource. This paper focuses on recent endeavours of the Australian Law Reform Commission and other local and overseas law reform and policy initiatives to tackle challenges posed both for ordinary citizens and those covered by special programs (such as Australia’s National Disability Insurance Scheme and “disability trusts” in Australia and Canada).

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)0,018
score de la tête « metaresearch » (Gemma)0,023
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,279

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,031
Communication savante0,0140,011
Science ouverte0,0030,011
Intégrité de la recherche0,0090,013
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,097
Tête enseignante GPT0,445
Écart entre enseignants0,348 · 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

Citations27
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLawsMême sujetHealthcare innovation and challengesTravaux en français237 207