MétaCan
Menu
Retour à la cohorte
Enregistrement W2236240030 · doi:10.1177/2158244015607353

Falling Through the Cracks

2015· article· en· W2236240030 sur OpenAlexaff
Christine A. Walsh, Jennifer Hewson, Karen Paul, Cari Gulbrandsen, Dorothy Dooley

Notice bibliographique

RevueSAGE Open · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAffordable housingSubsidized housingBusinessSubsidyPopulationImmigrationService providerMental healthEconomic growthEnvironmental healthService (business)EconomicsMedicinePolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Low-income preseniors represent a vulnerable, often overlooked population facing multiple challenges related to finding and sustaining employment, limited financial resources, mental and physical health challenges, mobility issues, and ineligibility for pensions and benefits for seniors. These issues make finding suitable, affordable housing particularly challenging when compounded with limited affordable housing stock, thus increasing this population’s risk for housing insecurity/homelessness. This qualitative, exploratory study examined subsidized housing issues for low-income preseniors from the perspective of subsidized housing providers ( n = 16). Barriers for this population occurred within individual (limited financial resources; complex health, mental health, and disability issues; current unsafe/inadequate housing; and new immigrant status) and structural (strict age cutoffs, inadequate safe/affordable housing supply, lack of information about the housing and service needs of the population, and ineffective collaboration within the sector) domains. Policy changes at the provincial and federal levels related to income support, availability of affordable housing supports, and immigration are recommended.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: aucune
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0170,012
Communication savante0,0060,011
Science ouverte0,0010,011
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0440,005

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 Opus0,229
Tête enseignante GPT0,506
Écart entre enseignants0,277 · 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

Citations22
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetHomelessness and Social IssuesTravaux en français237 207