Provincial Data-linkage to Address Complex Policy Challenges
Notice bibliographique
Résumé
IntroductionThe Province of British Columbia, Canada has established a Data Innovation Program (DI Program) and a Data Science Partnerships Program (DSP Program) to use integrated public-sector data to drive insights into complex policy challenges and support the public good. These programs are a part of the province's new Integrated Data. Objectives and ApproachThe DI Program was built to enable policy decisions based on a more complete picture of the citizen journey across and throughout government programs. It provides a privacy and security framework for corporate data analytics and a cross-government secure research environment. The DSP Program provides analytics and/or project support for high-priority cross-government projects. The opportunity afforded by this approach to policy decision-making is that valuable data and evidence from multiple sectors can be utilized to make positive changes in the lives of citizens. ResultsThe IDO has partnered with cross government experts on a series of pilot projects that used linked data spanning social services, families and households, education, and health and clinical records. Research topics ranged from the prediction of risk of long-term unemployment, to the impact of the foreign home buyers tax, to the effectiveness of labour market programs. Throughout our presentation we will use these projects as case examples to address the benefits and opportunities provided through our citizen-centred, integrated approach. Conclusion/ImplicationsThe future of policy decision-making in terms of service delivery relies on mutually beneficial collaboration and the evidence-based insight available through integrated data. Moving forward, it is essential that researchers across government make the most out of integrated population-level data to solve pressing issues affecting the lives of citizens.
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 | 0,044 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,025 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,017 | 0,007 |
| Science ouverte | 0,006 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».