Fostering Engagement With Health and Housing Innovation: Development of Participant Personas in a Social Housing Cohort
Notice bibliographique
Résumé
BACKGROUND: Personas, based on customer or population data, are widely used to inform design decisions in the commercial sector. The variety of methods available means that personas can be produced from projects of different types and scale. OBJECTIVE: This study aims to experiment with the use of personas that bring together data from a survey, household air measurements and electricity usage sensors, and an interview within a research and innovation project, with the aim of supporting eHealth and eWell-being product, process, and service development through broadening the engagement with and understanding of the data about the local community. METHODS: The project participants were social housing residents (adults only) living in central Cornwall, a rural unitary authority in the United Kingdom. A total of 329 households were recruited between September 2017 and November 2018, with 235 (71.4%) providing complete baseline survey data on demographics, socioeconomic position, household composition, home environment, technology ownership, pet ownership, smoking, social cohesion, volunteering, caring, mental well-being, physical and mental health-related quality of life, and activity. K-prototype cluster analysis was used to identify 8 clusters among the baseline survey responses. The sensor and interview data were subsequently analyzed by cluster and the insights from all 3 data sources were brought together to produce the personas, known as the Smartline Archetypes. RESULTS: The Smartline Archetypes proved to be an engaging way of presenting data, accessible to a broader group of stakeholders than those who accessed the raw anonymized data, thereby providing a vehicle for greater research engagement, innovation, and impact. CONCLUSIONS: Through the adoption of a tool widely used in practice, research projects could generate greater policy and practical impact, while also becoming more transparent and open to the public.
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 | 0,034 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».