Moving the Needle on Poverty
Notice bibliographique
Résumé
Contents: \nPreface - Pathways to Poverty Reduction through Community-Campus Partnerships \nChapter One: Creating Strategic Partnerships to Influence Policy (Liz Weaver) \nChapter Two: Models of Community-Campus Engagement in the Poverty Reduction Hub of CFICE (Karen Schwartz) \nChapter Three: University and Community Collaboration: Achieving Social Change (Erin Bigney, Tracey Chiasson, Melanie Hientz, Robert MacKinnon and Cathy Wright) \nChapter Four: On a Path of True Reconciliation: Investing in a Poverty-free Saskatoon (Colleen Christopherson-Côté, Lisa Erickson, Isobel M. Findlay and Vanessa Charles) \nChapter Five: Using Campus Community Engagement to Build Capacity for Poverty Reduction (Amanda Lefrancois) \nChapter Six: Shifting Societal Attitudes Regarding Poverty: Reflections on a Successful Community-University Partnership ( \nMary MacKeigan, Jessica Wiese, Terry Mitchell, Colleen Loomis and Alexa Stovold) \nChapter Seven: Models of Collaboration: Does Community Engagement with University Colleges Have an Impact on Poverty Reduction? (Polly Leonard and Karen Schwartz) \nChapter Eight: A Peephole into the Student Experience: Student Research Assistants on their Experiences in the Poverty Reduction Hub (Aaron Kozak, Zhaocheng Zeng and Natasha Pei) \nChapter Nine: Poverty Reduction Hub Evaluation (Aaron Kozak, Karen Schwartz, Amanda Lefrancois and Liz Weaver) \nChapter Ten: Conclusion (Magdalene Goemans)
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,022 |
| Communication savante | 0,013 | 0,021 |
| Science ouverte | 0,001 | 0,019 |
| Intégrité de la recherche | 0,008 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,057 | 0,011 |
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 ».