MétaCan
Menu
Retour à la cohorte
Enregistrement W2967690827 · doi:10.33137/ijidi.v3i3.32966

Creating a Culture of Equity: Building Awareness Within the Montgomery County Department of Health and Human Services

2019· article· en· W2967690827 sur OpenAlexfundno aff
Surbhi Sardana

Notice bibliographique

RevueThe International Journal of Information Diversity & Inclusion (IJIDI) · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Toronto
Mots-clésDisadvantagedHuman servicesEquity (law)Health equityPublic relationsHealth departmentPopulationBusinessPsychologyMedical educationMedicinePolitical scienceNursingPublic healthEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The Robert Wood Johnson Foundation recognizes Montgomery County as the county with the best health outcomes, length of life, and quality of life in all of Maryland. While impressive, the overall statistics do not reflect the disparities among certain population groups in the county. As a major provider of safety net health and social services to county residents, the Montgomery County Department of Health and Human Services (MCDHHS) wants to empower staff to think and act differently to generate better outcomes for disadvantaged communities. Among the many phases toward building an equity value driven organization, the Department felt that cultivating a common understanding and buy-in from all levels of staff is critical to a cultural shift. In 2014, a comprehensive workshop was implemented to raise awareness and encourage courageous conversations. The workshop seeks to create a common understanding of equity, its principles and applied strategies, and provide Department staff with the tools to treat their colleagues, customers, and clients more equitably. To date, 828 staff, contractors, and community partners have completed the workshop and 47 staff members have trained as workshop peer facilitators. This paper will explore in more detail the information-related factors and processes present in the workshop and their equity impact on the Department’s practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0170,009
Communication savante0,0110,005
Science ouverte0,0020,019
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,331
Écart entre enseignants0,308 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Information Diversity & Inclusion (IJIDI)Même sujetNonprofit Sector and VolunteeringTravaux en français237 207