Using Interactive Technology to Disseminate Research Findings to a Diverse Population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper demonstrates how case stories can be used to disseminate the findings of several case studies on negotiating accommodations in the workplace. It highlights the power of interactive technology and of the partnership between the researchers and the Canadian Council for Rehabilitation and Work (CCRW). The paper describes the process of designing an interactive web-based case story for the purpose of disseminating research findings. The interactive case story is an extension of both the case study and the narrative case story. As part of a larger research project, it is our goal to use interactive case stories to investigate the impact of essential skills training on workers with disabilities who negotiate with employers for workplace accommodations. Résumé Le présent article montre comment les histoires de cas peuvent être utilisées pour diffuser les conclusions de plusieurs études de cas sur la négociation entourant l’aménagement du milieu de travail. Il met en évidence le pouvoir de la technologie interactive et du partenariat entre les chercheurs et le Conseil canadien de la réadaptation et du travail (CCRT). L’article décrit le processus de conception d’une histoire de cas interactive en ligne visant à diffuser des résultats de recherche. L’histoire de cas interactive est un prolongement à la fois de l’étude de cas et du récit de l’histoire de cas. Dans le cadre d’un plus vaste projet de recherche, notre but est d’utiliser des histoires de cas interactives pour étudier l’impact de la formation sur les compétences essentielles chez les travailleurs handicapés qui négocient avec leur employeur pour l’aménagement de leur milieu de travail.
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.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle