Advancing a Five-Level Typology of Homelessness Prevention
Notice bibliographique
Résumé
This paper aims to demonstrate the efficacy of a five-level homelessness prevention typology, encompassing universal, targeted, crisis, emergency, and recovery categories. We argue that this typology can be deployed to illuminate key comparisons in homelessness prevention policy and practice between different jurisdictions and over time. Meanwhile, it avoids the confusions and overlaps that occur in extant categorisations. Using the UK jurisdictions as an empirical testbed for this analytical framework, four key lessons emerge which we contend have resonance across much of the global north. First, though there is growing evidence of the importance of both universal prevention measures (particularly the delivery of affordable housing and poverty reduction), and targeted preventative interventions (focused on high risk groups and transitions), practical action on both fronts has been deeply deficient to date. Second, and more encouragingly, there is a nascent shift in homelessness practice from an overwhelming focus on basic, emergency interventions, towards more upstream attempts to avert the kind of crisis situations that can lead to homelessness arising in the first place. Third, and also welcome, is a trend within recovery interventions from treatment-led to more housing-led models, albeit that this shift has been frustratingly slow to materialise in many countries. Fourth, across all of these categories of homelessness prevention, there remain substantial evidence gaps, especially outside of the US.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».