8.K. Workshop: Shared impact: How to foster innovation in public health data
Notice bibliographique
Résumé
Abstract In 2018, Canadian Partnership for Women and Children's Health (CanWaCH), a network of Canadian civil society, professional, and academic actors working collectively on global health and gender equality, launched 'The Canadian Collaborative in Global Health'. This initiative was designed specifically to build the capacity of Canadian actors, and their global partners, to better collect, analyze, synthesize and report data and evaluation activities through new, innovative approaches, in order to strengthen their impact in the areas of SDGs 3 and 5. Through this interactive workshop, participants will be able to (a) learn about the 3 diverse innovations that are being incubated under the Collaborative model through diverse multi-sectoral partnerships; (b) dive deeply into 3 innovative practices focusing on nutrition, sexual and reproductive health and rights, and adolescent health; and (c) explore how they might replicate this approach, and discuss critical issues relating to the fostering innovative thinking and approaches when it comes to data collection in public health. Representatives from civil society organisations, academic institutions, and private sector will outline strategies for how interdisciplinary collaborations can be effectively implemented and executed. Key messages CanWaCH’s innovative participatory methodology has generated significant new findings to guide accountability, programming, policy and advocacy. and can/should be replicated elsewhere. Three specific global health data innovations will be presented, featuring brand new tools, indicators, and strategies which can help participants with their work.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,224 | 0,246 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,014 |
| Communication savante | 0,020 | 0,014 |
| Science ouverte | 0,007 | 0,039 |
| Intégrité de la recherche | 0,011 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».