Living with deafblindness during COVID-19: An international webinar to facilitate global knowledge translation
Notice bibliographique
Résumé
Arguably, individuals living with deafblindness are among the hardest hit by the effects of the corona virus disease of 2019 (COVID- 19), given the importance of the sense of touch for their ability to interact with the world. To address this challenge, it is imperative to facilitate the implementation of evidence- and experience-based recommendations, and to improve knowledge translation on a global scale. Deafblind International organized a webinar to provide a platform where participants could exchange experiences and solutions to overcome the challenges created by the arrival of COVID-19, in order to facilitate information exchange among stakeholders in deafblindness during this pandemic. We present an overview of its content here and place the summarized themes in context with existing research literature. Abstract submission was open for 4 weeks in May 2020, resulting in 30 submissions from 13 countries across 5 continents. Of the 26 presenter teams, 9 (35%) had a co-presenter that was living with deafblindness themselves. The number of individual participants across all sessions ranged from 55 to 140 ( M = 98), with a total of 3709 session registrations overall, and the organizers estimate a total attendance of around 400 participants. Based on extensive field notes taken during the webinar, and repeated viewing of the recordings, qualitative description allowed the team to synthesize eight principal themes across the event: access to information, communication, service accessibility, adaptations to service delivery, online safety and security, physical distancing, mental health and research. The first Deafblind International webinar was able to fill an important gap by bringing together a variety of stakeholders in deafblindness across the globe. The event created a sense of group membership and peer support, brought the participants, researchers, the professionals as well as their service agencies closer together and generated a sense of hope and collaboration.
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 | 0,058 | 0,067 |
| 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 | 0,007 | 0,003 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,008 |
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 ».