Mass email risk communication: Lessons learned from COVID-19-triggered campus-wide evictions in Canada and the United States
Notice bibliographique
Résumé
From an out-of-province/state and international post-secondary student perspective, this article (a) explores mass email risk communication facilitation during the COVID-19-triggered campus-wide evictions in Canada and the United States; and (b) develops relative recommendations to improve mass email risk communication strategies for future emergency response. Investigating mass email risk communication-related impacts on students in a tertiary educational context has revealed a significant deficit in emergency response research, practice, and policymaking. Mandatory temporary university and college closures during the COVID-19 first wave provided an opportunity to address this research and practice deficit, as most Canadian and American universities/colleges administered their eviction communication via daily mass email chains. Through a phenomenological lens, this study interviewed twenty out-of-province/state and international students, ten from each country respectively, to examine student eviction experiences associated with intensive mass email risk communication. This research identified four factors linked to mass email risk communication: email chain characteristics, student interpretation, interdepartmental cooperation, and frontline voices. Synthesizing these findings, four evidence-based recommendations were developed: to efficiently convey risk information to students, to understand student perceptions and to inform their behaviors, to enhance interdepartmental cooperation, and to enable mutual dialogue in decision making. These recommendations could assist post-secondary institutions, and other organizations, in strengthening their mass email risk communication strategies and advancing organizational emergency response plans for future extreme events.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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 ».