Challenges and opportunities in rapid disaster research: lessons from the field in New Mexico and Vanuatu
Notice bibliographique
Résumé
Rapid research is essential to assess impacts in communities affected by disasters, particularly those communities made "hard-to-reach" due to their active marginalization across history and in contemporary practices. In this article, we describe two rapid research projects developed to assess needs for and experiences of communities hard-hit by disasters. The first is a project on the COVID-19 pandemic in southern New Mexico (USA) that was developed to provide information to local agencies that are deploying programs to rebuild and revitalize marginalized communities. The second is a project on population displacement due to a volcanic eruption in Vanuatu, a lower-middle income country in the South Pacific, with mental and physical health outcomes data shared with the Vanuatu Ministry of Health. We describe the similar and unique challenges that arose doing rapid research in these two different contexts, the potential broader impacts of the research, and a synthesis of lessons learned. We discuss the challenges of rapidly changing rules and regulations, lack of baseline data, lack of survey instruments validated for specific populations and in local languages, limited availability of community partners, finding funding for rapid deployment of projects, rapidly training and working with research assistants, health and safety concerns of researchers and participants, and communicating with local and international partners. We also specifically discuss how we addressed our own personal challenges while also conducting time-intensive rapid research. In both studies, researchers shared results with governmental and non-governmental partners who may use the data to inform the design of their own relief programs. While different in context, type of disaster, and research strategy, our discussion of these projects provides insights into common lessons learned for working with communities at elevated risk for the worst outcomes during disasters, such as the need for flexibility, compromise, and good working relationships with community partners.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».