MétaCan
Menu
Retour à la cohorte
Enregistrement W2810492838 · doi:10.1057/978-1-137-35230-9_9

The Integrated Capabilities Framework: Exploring Multiculturalism and Human Well-Being in Participatory Settings

2019· book-chapter· en· W2810492838 sur OpenAlexaboutno aff
David Clark, Susan Hodgett

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2019
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMulticulturalismCitizen journalismSociologyEngineering ethicsPolitical scienceEngineeringPedagogy

Résumé

récupéré en direct d'OpenAlex

In this chapter, Clark and Hodgett develop a framework and methodology for investigating human well-being in multicultural settings. They consider the various insights that the capability, livelihoods and chronic poverty approaches can offer before building on them to develop an ‘Integrated Capability Approach’ (ICF) that seeks to combine their virtues. Like the capability approach, the ICF is a flexible framework that can be applied to different issues through a variety of participatory methods. The ICF is used to develop a series of open-ended fieldwork questions partly inspired by Clark’s studies of human values. These questions are designed to explore the values, expectations and actual experiences of different people and ethnic groups. To illustrate one way of making the approach operational, the fieldwork questions are applied through 15 ethnographic interviews conducted in Canada. Although no attempt is made to draw policy conclusions (given the limited number of interviews), the fieldwork results do illustrate several unique features of the ICF that help make it a highly effective tool for guiding policy and practice. Amongst other things, the ICF embraces multidimensionality, allows for cultural diversity and difference, recognizes that well-being is a dynamic process and encourages more pragmatic and efficient policy responses.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,791
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,160
Tête enseignante GPT0,392
Écart entre enseignants0,231 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetEvaluation and Performance AssessmentTravaux en français237 207