MétaCan
Menu
Retour à la cohorte
Enregistrement W2612138851 · doi:10.5590/josc.2017.09.1.03

Happiness in Communities: How Neighborhoods, Cities and States Use Subjective Well-Being Metrics

2017· article· en· W2612138851 sur OpenAlexaboutno aff
Laura Musikanski, Carl Polley, Scott Cloutier, Erica Berejnoi, Julia Colbert

Notice bibliographique

RevueJournal of Social Change · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHappinessAllianceWell-beingIndex (typography)General Social SurveySubjective well-beingPsychologySociologyPolitical scienceSocial psychologyLawComputer science

Résumé

récupéré en direct d'OpenAlex

This essay, the fourth and last of a series published by the<em> Journal of Social Change</em>, is intended as a tool for community organizers, local policy makers, researchers, students and others to incorporate subjective well-being indicators into their measurements and management of happiness and well-being in their communities, for policy purposes, for research and for other purposes. It provides case studies of community-based efforts in five different regions (São Paulo, Brazil; Bristol, United Kingdom; Melbourne, Australia; Creston, British Columbia, Canada; and Vermont, United States) that either developed their own subjective well-being index or used the Happiness Alliance’s survey instrument to measure happiness and well-being. The essay offers lessons to consider when using subjective well-being indicator survey instruments. Finally, the essay provides a process for measuring happiness using the Happiness Alliance’s survey instrument.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,218
Tête enseignante GPT0,435
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Social ChangeMême sujetCommunity Health and DevelopmentTravaux en français237 207