Influencing government decision makers through facilitative communication via community-produced videos: the case of remote aboriginal communities in Northwestern Ontario, Canada.
Notice bibliographique
Résumé
In Canada’s diverse, vast landscape approximately one fifth of the population lives in small rural/remote communities. The capacity of these communities to influence policy and program development that directly impacts them has historically been minimal because policy is often influenced by an urban bias and a lack of sensitivity to their needs and uniqueness. Drawing on the literature on development communications, with a special emphasis on the Fogo Process as a historical antecedent, this study examines how community-produced videos influenced decision makers with regard to information and communication technology policy and programs, and the impact they have had on Aboriginal communities in Northwestern Ontario. Semistructured interviews were conducted of 22 decision makers who had seen the videos. Decision makers reported that (1) communityproduced videos provide a highly valuable context for policy makers about communities; (2) videos can be used to inform and galvanize federal staff working in the service of these communities who might not otherwise have the opportunity to visit these communities or meet their inhabitants; (3) community-produced videos are a legitimate and effective way of providing qualitative data for policy-making processes; (4) videos can serve as an organizing structure or event around which senior bureaucrats and politicians can form policy directives and influence other policy makers; and (5) videos have the potential to influence policy makers, thereby shifting the direction of policy in response to community needs and aspirations. Key words: telecommunication, remote communities, Aboriginal communities, participatory video, policy communication
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».