MétaCan
Menu
Retour à la cohorte
Enregistrement W4285362106 · doi:10.51952/9781447349013.ch010

Building community capacity for dementia in Canada: new directions in new places

2021· book-chapter· en· W4285362106 sur OpenAlexaboutno aff
Alison Phinney, Eric Macnaughton, Elaine Wiersma

Notice bibliographique

RevuePolicy Press eBooks · 2021
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDementiaComputer scienceBusinessGeographyMedicine

Résumé

récupéré en direct d'OpenAlex

Building Capacity for Meaningful Participation by People Living with Dementia is being undertaken in Canada under the umbrella of the federally funded Dementia Community Investment. This four-year Building Capacity Project (2019–23) models a bottom-up cross-sectoral approach to building and connecting community-based activities that provide meaningful opportunities for people with dementia to remain active and socially connected. In this chapter we examine how the project is designed to build practical knowledge from the ‘ground up’, working closely with people who are most directly affected by the issues (especially those with lived experience of dementia), and taking local context into account using methods of asset-based community development and developmental evaluation. Most importantly, this work is being carried out in two very different places, which is allowing us to both leverage our unique strengths and discover the common principles underlying successful approaches that can then be scaled up more broadly, including nationally. Ultimately, the aim is to create and share new knowledge about how this kind of ‘grass roots’ approach can lead to sustainable change at individual, community and institutional levels to promote social inclusion, raise awareness and reduce stigma around dementia. Recognising the importance of place in this project, we begin by describing where the work is happening. This allows us to make explicit the significance of local contexts, be they geographic, social, economic, cultural or political, which are intrinsic to how we are developing and evaluating the various activities and programmes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,419
Tête enseignante GPT0,430
Écart entre enseignants0,011 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Press eBooksMême sujetMental Health and Patient InvolvementTravaux en français237 207