Using administrative data from a national shared services database to target the delivery of homeless services in the Dublin Region
Notice bibliographique
Résumé
BackgroundPASS is a national shared services database that captures live information on service user interactions with all state funded NGO and local authority homeless services. In the Dublin region, which accommodates in excess of 70% of the nationalhomeless population, this data was mined and cleansed in order to carry out a k-mean cluster analysis. ObjectiveThe objective was to determine the rate of movement through homeless services and the consumption of resources of different clusters cohorts and to compare these findings with other regions internationally. MethodsFollowing extensive data preparation, the Kuhn and Culhane (1998) k-mean cluster analysis was applied in 2017 to five years of PASS data (2012-2016) and results categorised to align to their typology of homelessness. FindingsResults for Dublin showed patterns similar to those reported in the US, Canada and Denmark, with approximately 80% of services users transitioning quickly through services. These transitional service users accounted for just over one third of total bed-nights while the remaining 20% of episodic and long-term service users accounted for almost two thirds of the bed-nights over the five years. Uniquely, the analysis also considered the patterns of engagement of people sleeping rough and results revealed similar but more extreme patterns with 86% of those rough sleeping accounting for only 28% of outreach contacts with a small number adults accounting for over 70% of all street contacts. ConclusionThe results from the analysis of administrative data were used to inform operations so appropriate ‘Housing First’ responses were developed for those episodically or chronically experiencing homelessness and engaged in sleeping rough.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».