MétaCan
Menu
Retour à la cohorte
Enregistrement W4226454766 · doi:10.18584/iipj.2021.12.4.13690

Understanding Manitoba Inuit’s Social Programs Utilization and Needs: Methodological Innovations

2022· article· en· W4226454766 sur OpenAlexaffvenueabout
Josée G. Lavoie, Leah McDonnell, Nathan Nickel, Wayne Clark, Caroline Anawak, Jack Anawak, Levinia Brown, Grace Clark, Maata Evaluardjuk-Palmer, Frederick Ford, Rachel Dutton, Alan Katz, Sabrina T. Wong

Notice bibliographique

RevueInternational Indigenous Policy Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensUniversity of AlbertaUniversity of British ColumbiaMakivik CorporationManitoba HealthUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipSocial WelfareIndigenousWelfareGeographyEconomic growthSocioeconomicsPolitical scienceGerontologyLibrary scienceSociologyMedicineEcology

Résumé

récupéré en direct d'OpenAlex

Manitoba is home to approximately 1,500 Inuit, and sees 16,000 consults yearly from the Kivalliq region of Nunavut to access services. The purpose of our study was to develop detailed profiles of Inuit accessing services in Manitoba, by using administrative data routinely collected by Manitoban agencies, to support the development of Inuit-centric services. This study was conducted in partnership with the Manitoba Inuit Association, and Inuit Elders from Nunavut and Manitoba. Findings shows that the Inuit community living in Manitoba is fairly stable, with only approximately 5 percent of Inuit moving in and out of Manitoba on any given year. Inuit settle primarily in Winnipeg, and a significant proportion depend on social programs such as Income Assistance and housing support. A significant number of Inuit children have contact with the Child Welfare System. Our results support the need for more Inuit-centric programming, including family support and language programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,734

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0050,002
Communication savante0,0030,002
Science ouverte0,0030,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,415
Tête enseignante GPT0,449
Écart entre enseignants0,034 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations5
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Indigenous Policy JournalMême sujetIndigenous Health, Education, and RightsTravaux en français237 207