Where Are We on the Animal Welfare Map? Using GIS to Assess Stakeholder Diversity and Inclusion
Notice bibliographique
Résumé
Inequities exist in all facets of society, and animal welfare organizations (AWOs) and their communities are no exception. These organizations interface with multiple stakeholder groups. An active analysis of stakeholder groups to identify under-served areas and communities has not been performed. Using stakeholder data from Toronto Humane Society (THS) from 2015-2019, this study performed a retrospective spatial analysis to identify well served and under-served geographic areas for adopters, surrenders, public veterinary service (PVS) clients, volunteers and foster parents, using Hot Spot analysis. Correlation analysis was performed to determine whether the spatial distribution of the groups correlated with the four socioeconomic metrics of the 2016 Ontario Marginalization Index (residential instability, material deprivation, dependency, and ethnic concentration), and a metric representing the distribution of Indigenous residents. For each stakeholder group, there were well served areas, typically in central Toronto where THS is located, and under-served areas, typically in the north-west and north-east corners of Toronto and in the surrounding cities of the Greater Toronto Area. The area served by THS PVS extended further north than the other hot spot areas. The number of adopters increased as the residential instability metric increased, whereas the number of adopters decreased as the ethnic concentration metric increased. The rate of surrenders increased as the Indigenous metric increased. Public Veterinary Service clients increased as the residential instability, material deprivation, and Indigenous metrics increased. One of the primary limitations of this study was the confounding factor of distance from THS. Individuals living further from THS are less likely to utilize its services, particularly if there is another accessible AWO nearby, and therefore may appear to reflect an under-served population that may not truly be under-served. A regional approach would help to overcome this limitation. The results provide useful insights into stakeholder engagement and provide a foundation for analysis of more targeted areas, as well as for strategies to reach under-served demographics. Similar analyses by other AWOs would be helpful to address inequities in a larger geographic area. Animal welfare organizations can improve program effectiveness by adding data analytics skills to the more traditional skills associated with this sector.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».