MétaCan
Menu
Retour à la cohorte
Enregistrement W3044435736 · doi:10.3138/cpp.2020-064

Community Engagement in a Time of Confinement

2020· article· en· W3044435736 sur OpenAlexaffvenue
Alana Cattapan, Julianne M. Acker-Verney, Alexandra Dobrowolsky, Tammy Findlay, April Mandrona

Notice bibliographique

RevueCanadian Public Policy · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensNSCAD UniversityMount Saint Vincent UniversitySaint Mary's UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPublic engagementCommunity engagementPandemicEquity (law)Context (archaeology)Public relationsPolitical scienceInclusion (mineral)Civic engagementCoronavirus disease 2019 (COVID-19)Relation (database)SociologyPoliticsSocial scienceGeographyLawInfectious disease (medical specialty)Computer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

This article examines the significant constraints on, the necessity for, and the opportunities around community engagement in a time of confinement. We consider the compounded challenges faced by marginalized communities in the context of the coronavirus disease 2019 pandemic, and we follow this with reflections on the triumphs and tensions of emergent engagement practices. We then describe four exercises that we conducted before the onset of the pandemic in a research project exploring public engagement from the ground up in relation to policy-making, and we suggest how the lessons learned may be applied to contemporary decision making. Our overall goal is to illustrate how and why community engagement is particularly pressing in the current crisis, as pandemic restrictions have added new dimensions to long-standing practices of containment. We argue that although these most recent forms of engagement are contested and complex, they are essential to ensuring that policy-making is built on processes of equity, access, and inclusion.

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)0,018
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,298

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0560,045
Communication savante0,0160,010
Science ouverte0,0040,033
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,238
Tête enseignante GPT0,421
Écart entre enseignants0,183 · 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'étudeSans objet
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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetCommunity Health and DevelopmentTravaux en français237 207