MétaCan
Menu
Retour à la cohorte
Enregistrement W3009538910 · doi:10.3390/ijerph17051561

Examining the Impact of Knowledge Mobilization Strategies to Inform Urban Stakeholders on Accessibility: A Mixed-Methods study

2020· article· en· W3009538910 sur OpenAlexafffund
Delphine Labbé, Atiya Mahmood, William C. Miller, W. Ben Mortenson

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensInternational Collaboration On Repair DiscoveriesSimon Fraser UniversityGF Strong Rehabilitation CentreUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésStakeholderCitizen journalismStakeholder engagementPerspective (graphical)Urban planningEnvironmental planningBusinessKnowledge managementPublic relationsComputer sciencePolitical scienceGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Urban areas offer many opportunities for people with disabilities, but limited accessibility may prevent their full engagement in society. It has been recommended that the experience-based perspective of people with disabilities should be an integral part of the discussion on urban accessibility, complementing other stakeholder expertise to facilitate the design of more inclusive environments. The goals of this mixed-method study were to develop knowledge mobilization (KM) strategies to share experience-based findings on accessibility and evaluate their impact for various urban stakeholders. Using a participatory approach, various KM strategies were developed including videos, a photo exhibit and an interactive game. These strategies were evaluated based on various impact indicators such as reach, usefulness, partnerships and practice changes, using quantitative and qualitative methods. The findings suggested that the KM strategies were effective in raising the awareness of various urban stakeholders and providing information and guidance to urban planning practices related to accessibility.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,246

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,303
Tête enseignante GPT0,465
Écart entre enseignants0,162 · 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 tête enseignante, pas un consensus.

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

Citations24
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207