Translations for Our Nations: Addressing the Indigenous Language Gap in COVID-19 Health Communication
Notice bibliographique
Résumé
Purpose: The availability of culturally safe and plain-language resources is necessary to reduce the spread of COVID-19 for Indigenous communities around the world. Translations For Our Nations is an initiative addressing these resource gaps, making available COVID-19 health resources in Indigenous languages on the web. The project began in April 2020 as a result of the Indigenous COVID-19 Health Partnership launched by Victor A. Lopez-Carmen, a Dakota and Yaqui medical student, Harvard Medical School) and co-founded by Sterling Stutz and Thilaxcy Yohathasan, (MPH-Indigenous Health at the University of Toronto), and Sukhmeet Singh Sachal (medical student, University of British Columbia). Methods: Translators from Indigenous communities around the world signed up to participate in the project via a GoogleForm in April 2020. Over 100 Indigenous translators and community members in regions (South America, Asia, Africa, Europe, North America, and the Pacific) were provided the 5 English language source materials reviewed by physicians and Indigenous youth leaders. Translators submitted their translated documents via email and on September 1, 2020 the website Translations4OurNations.org was launched where the translated documents can be accessed and downloaded with more translations accepted on a rolling basis. Results: Translations for our Nations has published COVID-19 health resources in 40+ Indigenous languages from around the world. The website also includes photos and text submissions from community members speaking to the importance of culturally-specific COVID-19 health information disseminated directly to communities in local languages and dialects. Implications: Indigenous Nations have the right to access vital health information in their mother tongue. This project is led by and designed for Indigenous youth and Indigenous community members to empower individuals and communities to make informed choices regarding their health and exposure risks, and decrease the risk of COVID-19 transmission in Indigenous communities around the world.
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 | 0,065 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,008 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,003 | 0,020 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 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 ».