MétaCan
Menu
Retour à la cohorte
Enregistrement W2536103509 · doi:10.1177/1937586716668635

Territories of Engagement in the Design of Ecohumanist Healthcare Environments

2016· article· en· W2536103509 sur OpenAlexaff
Terri Peters, Stephen Verderber

Notice bibliographique

RevueHERD Health Environments Research & Design Journal · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRealmHealth careSalientNeutralityArchitectural engineeringKnowledge managementPsychologySociologyComputer scienceEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasingly, architectural and allied designers, engineers, and healthcare facility administrators are being challenged to demonstrate success in adroitly identifying and contextualizing ever-shifting and expanding spheres of knowledge with respect to the role of energy conservation and carbon neutrality in healthcare treatment environments and their immediate exterior environs. AIM: This calls for making sense of an unprecedented volume of information on building energy usage and interdigitizing complex and at times contradictory goals with the daily requirements of building occupants. Ecohumanist Design Strategies: In response, a multidimensional framework is put forth with the aim of advancing theory and practice in the realm of designers', direct caregivers', and administrators' engagement with ecohumanist design strategies in the creation of ecohumanist healthcare environments. CONCLUSIONS: Ten territories for engagement are presented that both individually and collectively express salient themes and streams of inquiry in theory and practice, within an operative framework placing the patient, the patient's significant others, and the caregiver at the center of the relationship between the built environment and occupant well-being.

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)0,027
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,058
Communication savante0,0170,009
Science ouverte0,0020,018
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,362
Tête enseignante GPT0,442
Écart entre enseignants0,079 · 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'étudeSans objet
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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHERD Health Environments Research & Design JournalMême sujetClimate Change and Health ImpactsTravaux en français237 207