Promoting Face-to-Face Dialogue for Community Engagement in a Digital Age
Notice bibliographique
Résumé
Background Health researchers in urban centers recognize the need to engage with inner-city community-based organizations. Funding for face-to-face engagement is often limited because most work done by agencies and academics now focuses on the use of digital technology. Purpose This article presents reflections from a grant project aimed at establishing community engagement between academic health researchers and interdisciplinary inner-city community health and social service providers. Method This study utilized a community-based participatory action approach. This study included a 1-day collaborative meeting to promote academic-agency engagement. During this meeting, the research participants brainstormed research priorities and used colored stickers to rank them. The research team met the following day to debrief the meeting and to begin analyzing the data together. Results The findings from this project have stimulated dialogue among the agency partners and project team researchers with respect to current collaborations, services provided, and research priorities. Although digital or virtual meetings have their place, fostering community engagement through a face-to-face meeting proved invaluable to the participants. Conclusions The success of this Canadian Institutes of Health Research-funded project demonstrates the value of academic-agency partnership, the positive aspects of gathering community, and engagement in better meeting the research needs of inner-city organizations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,024 | 0,015 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,003 | 0,033 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».