Empathic Cultural Mapping: Little data, big data, knowledge transfer and exchange
Notice bibliographique
Résumé
IntroductionA healthy city is one that continually creates and improves psychosocial and social environments and expands community resources allowing people to develop to their maximum portential. The role of SEDoHs is incontestable, yet we continue to face many of the same SEDoH-related problems despite what we know. Objectives and ApproachThis project presents the idea of "Empathic Cultural Mapping" (ECM). ECM is an interactive story map which brings together vignettes taken from individual stories curated with "big data" derived from places such as Statistics Canada, the City of Calgary, and library holdings at the University of Calgary. ECM seeks to challenge users to re-imagine long held constructions around sectoral, and disciplinary driven interpretations and categorizations of lifestyle, consumption, health, and the environment. ECM seeks to encourage knowledge users from multiple sectors to think beyond what is known and to consider what might be possible. ResultsECM is a creative interactive undertaking. In developing ECM, a range of creative research processes have been used to record and tell the stories of a small group of newcomers (defined as those who migrate, seek refuge, or claim asylum in Canada) and position these within large data. A desire to improve the health and wellbeing of individuals and communties through opening processes of dialogoue between local government, non-government organizations, communitites, and individuals lies at the heart of this project. Knowledge and sense-making are key features of individual and community empowerment within the ECM and are viewed as powerful stimuli for change as well as powerful allies for health and a buffer against its threats. Conclusion/ImplicationsECM creates, shares, and brings together individual stories and 'big data'. It identifies needs that impact health in the everyday. It seeks to improve awareness of the world around us. It encourages people to communicate their experiences. Finally, it achieves its goals by using creative processes.
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 | 0,034 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,010 | 0,018 |
| Communication savante | 0,022 | 0,022 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».