MétaCan
Menu
Retour à la cohorte
Enregistrement W4285478621 · doi:10.51952/9781447352570.ch005

Urban practitioner vignette

2021· book-chapter· fr· W4285478621 sur OpenAlexaboutno aff
Marianne Wilkat, Barry Pendergast, Natalie S. Channer

Notice bibliographique

RevuePolicy Press eBooks · 2021
Typebook-chapter
Languefr
DomaineHealth Professions
ThématiqueOlder Adults Driving Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVignettePsychologyGeographyMedicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

In this vignette, we examine the challenges and opportunities of aging in urban Canada. In addition to sharing our own experiences of growing older in a major Canadian city, we also call upon the work we have been doing to help the city become a better place for everyone to age. As local government efforts have continued to fall short, residents (like us) have begun to take matters into their own hands. In this vignette, we summarize some of the challenges for creating an age-friendly community in Calgary, introduce our organizations, and outline some of the obstacles and opportunities we have faced. Finally, we provide some recommendations for other organizations looking to make an impact in their communities. One of the most concerning aspects of aging in Calgary is that the majority of housing available for seniors is extremely expensive. It is far cheaper for people to stay in their own homes, only paying for taxes, utilities, and maintenance. Another problem in Calgary is the practice of keeping roads and cycle paths safe during the winter, but not the sidewalks. Ploughing and piling snow in front of bus stops makes boarding the bus difficult and puts pedestrians at risk by forcing them into designated bicycle lanes. Public transportation is not subsidized by the government, and bus pass prices have recently been raised. This means that low-income seniors may not be able to afford the bus, which could contribute to increased isolation and, as a result, a decline in wellbeing. Older people in our local community often feel like they aren’t a priority.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: aucune
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,854

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0170,002
Communication savante0,0030,001
Science ouverte0,0020,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,1310,017

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 Opus0,120
Tête enseignante GPT0,400
Écart entre enseignants0,280 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Press eBooksMême sujetOlder Adults Driving StudiesTravaux en français237 207