MétaCan
Menu
Retour à la cohorte
Enregistrement W4221064156 · doi:10.1080/16549716.2021.2014046

Network analysis of assistive technology stakeholders in Malawi

2022· article· en· W4221064156 sur OpenAlexfundno aff
Emma Smith, Ikenna D. Ebuenyi, Juba Kafumba, Monica Jamali-Phiri, Alister Munthali, Malcolm MacLachlan

Notice bibliographique

RevueGlobal Health Action · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAssistive Technology in Communication and Mobility
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchIrish Research Council
Mots-clésAssistive technologyEconomic growthGeographyBusinessPolitical scienceMedicineComputer scienceEconomicsHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Assistive technologies promote participation and quality of life for people with disabilities and other functional limitations. There is a global call to develop and implement policies to improve access to assistive technologies. In response, a stakeholder led initiative in Malawi is working towards the development of such a policy. OBJECTIVE: The objective of this study was to assess the existing network of stakeholders, and the strength of relationship between organizations who deliver assistive products and related services. METHOD: We conducted a survey-based network analysis of assistive technology stakeholder organizations in Malawi. RESULTS: Stakeholders (n = 19) reported a range of connections, from no awareness to collaboration with organizations within the assistive technology network. No single organization or government ministry was most central to the network. International NGOs were less central to the network than local organizations for disabled people, service providers, and ministries. CONCLUSION: The assistive technology stakeholder network in Malawi is distributed, with a range of responsibility across a variety of stakeholders, including three government ministries. An effective assistive technology policy must engage all stakeholders and may benefit from a collective leadership approach that spans the inter-sectoral need for a cohesive assistive technology system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,794

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,005
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,185
Tête enseignante GPT0,497
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Health ActionMême sujetAssistive Technology in Communication and MobilityTravaux en français237 207