MétaCan
Menu
Retour à la cohorte
Enregistrement W2758842981 · doi:10.18584/iipj.2017.8.3.4

Working With an Aboriginal Community to Understand Drinking Water Perceptions and Acceptance in Rural New South Wales

2017· article· en· W2758842981 sur OpenAlexvenueno aff
Fidelis Godfrey Jaravani, Peter Massey, Jenni Judd, Kylie Taylor, Jason Allan, Natalie Allan, David N Dürrheim, Michael Oelgemöeller

Notice bibliographique

RevueInternational Indigenous Policy Journal · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParticipatory action researchIndigenousSocioeconomic statusWater supplyCommunity-based participatory researchRainwater harvestingEnvironmental planningWater qualityPerceptionPhotovoiceCitizen journalismPsychologySocioeconomicsPublic relationsEnvironmental healthSociologyGeographyEconomic growthPolitical scienceMedicineEngineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

This study explored the Walhallow Aboriginal community’s experiences with drinking water to gain a shared understanding about community concerns and to develop ways to address these concerns together. There is a strong connection between people and water, as well as a need to appreciate the social factors associated with the unique cultural and socioeconomic factors that the provision of drinking water has for Aboriginal communities. We used a mixed method design within a community-based participatory action Research (PAR) framework. Water hardness and parental influence were the key factors associated with participants’ decisions to drink rainwater. This study provides important insights for water supply authorities when assessing health risks and when choosing appropriate mitigation measures for water quality improvement programs in Aboriginal communities.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,484

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,004
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,052
Tête enseignante GPT0,361
Écart entre enseignants0,310 · 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'étudeQualitatif
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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Indigenous Policy JournalMême sujetChild Nutrition and Water AccessTravaux en français237 207