A Guiding Framework for Needs Assessment Evaluations to Embed Digital Tools with Indigenous Communities
Notice bibliographique
Résumé
In community-based participatory projects, needs assessments are one of the first steps to identify priority areas. Access-related issues often pose significant barriers to participation for rural and remote communities, particularly Indigenous communities which have a complicated relationship with academia due to a history of exploitation and trauma. In order to bridge this gap, work with Indigenous communities requires consistent and meaningful engagement. The prominence of digital devices (i.e., smartphones) offers an unparalleled opportunity to ethically and equitably engage citizens across jurisdictions, particularly in remote communities. We propose a framework to guide needs assessments which embed digital tools in partnership with Indigenous communities. Guided by this framework, a needs assessment was conducted with a subarctic Métis community in Saskatchewan, Canada. This project is governed by a Citizen Scientist Advisory Council which includes Traditional Knowledge Keepers, Elders, and youth. An environmental scan of relevant programs, key informant interviews, and focus groups were conducted to systematically identify community priority areas. Given the timing of the needs assessment, the community identified the Coronavirus pandemic as a key priority area requiring digital initiatives. Recommendations for community-based needs assessments to conceptualize and implement digital infrastructure are put forward, with an emphasis on self-governance and data sovereignty.
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 | 0,198 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,011 | 0,012 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,007 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».