MétaCan
Menu
Retour à la cohorte
Enregistrement W2264896886

Reducing the Digital Divide in Rural Manitoba: A Proposed Framework

2014· article· en· W2264896886 sur OpenAlexaffvenueabout
William Ashton, Roger A. Girard

Notice bibliographique

RevueJournal of rural and community development · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensManitoba HealthBrandon University
Organismes subventionnairesnon disponible
Mots-clésBroadbandDigital divideClosing (real estate)Social capitalRural areaBusinessBroadband networksTelecommunicationsInvestment (military)Economic growthPublic relationsMarketingEconomicsThe InternetPolitical scienceComputer scienceFinancePolitics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Outside of larger centres across Canada public policies and corporate investments have left 2 million rural households under-served with broadband network capacity. After nearly 20 years of activities this gap may be closing, yet front line strategists suggest our rural digital divide will persist for years to come. A supplemental to the current approach is needed to connect these rural areas, yet it may require different technologies and social capital investment. This paper brings the reader inside a Manitoba working group (Forum) to reveal how applied research, assisted in formulating an integrated action framework that proposes an approach to provide access to users and expand the uses of broadband while calling for leadership and utilizing social marketing. New partnerships are envisioned across three levels of public sector, ISPs, and local businesses, along with youth and citizens. A proposed implementation framework is offered as an approach to incrementally provide specific rural broadband services to one area before moving to the next. This framework is not a silver bullet for all rural areas, but rather offers an approach that might be a useful starting point for under-served rural areas in Canada. Keywords: Rural broadband, under-served communities, access, availability, partnerships, integrated approach, implementation

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)0,010
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0120,016
Communication savante0,0150,007
Science ouverte0,0040,011
Intégrité de la recherche0,0070,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,013
Tête enseignante GPT0,221
Écart entre enseignants0,209 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations4
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of rural and community developmentMême sujetICT Impact and PoliciesTravaux en français237 207