MétaCan
Menu
Retour à la cohorte
Enregistrement W2133016288 · doi:10.1093/heapro/dan003

Great expectations and hard times: developing community indicators in a Healthy Communities Initiative in Canada

2008· article· en· W2133016288 sur OpenAlexaffabout
Neale Smith, Lori Baugh Littlejohns, Penelope Hawe, Lee Sutherland

Notice bibliographique

RevueHealth Promotion International · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensFraser HealthUniversity of CalgaryRed Deer PolytechnicUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésStaffingExperiential learningPublic relationsRelevance (law)Process (computing)Work (physics)PsychologyCommunity developmentMedical educationPolitical scienceNursingMedicinePedagogyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

This paper reports on expectations for and community members' experience in the development of community indicators in a healthy communities initiative (HCI) in Alberta, Canada. The HCI process involved community visioning, the creation of action plans to further the vision by addressing key health priorities and/or community capacity building activities and the development of indicators to monitor and report on progress towards goals. Nineteen semi-structured interviews were conducted with community participants to discuss definitions of success in the HCI and participant experience in developing indicators. Three themes emerged: the formal indicators lacked relevance to community members; the community did not own the HCI indicators and participants instead drew upon measures of success which were largely experiential in nature. The study provides a critically reflective, candid account of on-the-ground work with communities. The findings reveal limitations in the process of developing community indicators in this HCI, which we attribute in part to skills and discontinuities on the staffing side of the health authority and in part to failure to recognize and fully appreciate 'different ways of knowing' between communities and agencies.

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)0,019
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,595

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0250,012
Communication savante0,0090,002
Science ouverte0,0020,009
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,210
Tête enseignante GPT0,431
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations13
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Promotion InternationalMême sujetCommunity Health and DevelopmentTravaux en français237 207