Planning Shelter Service Spaces and Structures for Resilience: A Spatial Analysis of Women’s Shelters During COVID-19
Notice bibliographique
Résumé
Objective: Globally, domestic violence against women increased in severity over the course of the COVID-19 pandemic. Shelters supporting women experiencing temporary homelessness due to violence had to make major changes in service delivery to accommodate pandemic protocols, including how many families could stay in shelter, where they were allowed to reside, and how they were, and were not, able to interact with shelter staff and the outside world. The present study used a novel approach to spatial analysis to understand how pandemic protocols affected shelter space use. Method: Floor plans and written pandemic protocols were submitted by 15 women’s shelters in Ontario, Canada. Each pandemic protocol was analyzed and mapped onto its respective floor plans to determine how much space was lost under different modes of operation: normal (pre-pandemic), physical distancing (using pandemic protocols), and quarantine (using pandemic protocols during an outbreak). Three types of shelter space were analyzed to understand what types of spaces shelters were losing: Primary (bedrooms, bathrooms, and laundry areas), Secondary (community areas and staff offices), and Tertiary (hallways and storage). Findings: All 15 shelters lost space, with an average of 27% of net area lost overall (range 7%-56%). Within the three types of space, 18% of Primary, 48% of Secondary, and <1% of Tertiary space was lost. Key factors influencing space loss were the type of protocol used and the existing layout of the shelter space. Conclusions: Recommendations for shelter space planning in the context of rapidly evolving public health requirements are provided.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».