Notice bibliographique
Résumé
For my practicum, I worked with the Health Equity Integration Team (HEIT) to improve the application of Sex- and Gender-Based Analysis + (SGBA+) at The Public Health Agency of Canada (PHAC). SGBA+ is an analytical tool used in the federal government to ensure the consideration of diversity and intersectionality in programs and policies. One of the training resources on SGBA+ at PHAC is called Toward Health Equity: The SGBA+ Guide. This guide provides an overview of SGBA+, associated concepts, and a case study. I was part of a team tasked with updating this document to make the guide more applicable to current agency priorities. However, in revising the guide it became clear that there was a significant gap in understanding what document users needed. To make this guide as user-friendly and relevant as possible, I suggested that we conduct interviews with key informants throughout the agency to gather feedback and identify barriers to SGBA+ application. This project was part of a Knowledge Translation (KT) process that involved employees from many different roles and divisions at PHAC. The interviews allowed readers to identify the guide’s strengths, weaknesses, and gaps in clarity and content. Improving SGBA+ application at the federal public health level is important, because it is the agency’s way of applying a health equity lens to the work that they do. This project was also significant because it interrupted the standard process of KT, which follows a linear path and only integrates user feedback at the end. Instead, this project promoted an iterative process, involving document users throughout the development and revision of the guide to create a final product that is more tailored to their needs. Clear and effective communication is crucial to public health practice; this project is an example of how to achieve that by incorporating constructive feedback.
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 | 0,012 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».