MétaCan
Menu
Retour à la cohorte
Enregistrement W2980113355 · doi:10.5864/d2019-022

A qualitative study of the experiences and information needs of public health inspectors that inspect small drinking water systems in Ontario, Canada

2019· article· en· W2980113355 sur OpenAlexaffvenueabout
Wendy Pons, Andria Jones‐Bitton, Steven Lâm, Scott A. McEwen, Katarina Pintar, Ian Young, Andrew Papadopoulos

Notice bibliographique

RevueEnvironmental Health Review · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiquePublic Health Policies and Education
Établissements canadiensNatural Resources CanadaToronto Metropolitan UniversityCanadian Forest ServiceUniversity of GuelphConestoga College
Organismes subventionnairesnon disponible
Mots-clésWater supplyFocus groupVariety (cybernetics)Public healthBusinessQualitative researchEnvironmental healthEnvironmental planningPublic relationsMedical educationPsychologyMarketingEngineeringNursingMedicinePolitical scienceGeographyComputer scienceEnvironmental engineeringSociology

Résumé

récupéré en direct d'OpenAlex

Public health inspectors (PHIs) play an important role in enforcing the regulation and monitoring of approximately 9000 small noncommunity drinking water systems across Ontario. These small drinking water systems (SDWS) are diverse and face unique challenges. The purpose of this research was to explore PHIs’ insights and needs related to these SDWS in Ontario, Canada, to inform future policy and training initiatives to support safe drinking water. Data were collected through teleconference-conducted focus groups. Transcripts were analyzed and three major themes were found: the operator–PHI relationship, PHI training and information needs, and operational challenges. Overall, participants reported that they felt confident in their ability to inspect SDWSs. Main concerns to water safety were the technical ability of the water operator to manage their water supply and the impact of having a long time period between inspections of water systems. Future research should explore the cost-benefit of increasing inspection frequency in SDWSs and a variety of training and education initiatives for PHIs and operators of SDWSs.

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)0,009
score de la tête « metaresearch » (Gemma)0,011
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: Empirique
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,669

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0170,009
Communication savante0,0040,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,110
Tête enseignante GPT0,406
Écart entre enseignants0,297 · 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

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health ReviewMême sujetPublic Health Policies and EducationTravaux en français237 207