MétaCan
Menu
Retour à la cohorte
Enregistrement W4383070354 · doi:10.12688/gatesopenres.14724.1

Balancing evidence-informed and user-responsive design: Experience with human-centered design to generate layered economic empowerment and SRH programming in Tanzania, Ethiopia, and Nigeria

2023· preprint· en· W4383070354 sur OpenAlexaff
Meghan Cutherell, Mary L. Phillips, Carrie Ellett, Emnet Woubishet, Joy Otsanya Ede, Akinjide Adesina, Arnold Kabahaula, Alex Nana-Sinkam, Abednego Musau, Katherine Nichol

Notice bibliographique

RevueGates Open Research · 2023
Typepreprint
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensGlobal Relay (Canada)
Organismes subventionnairesChildren's Investment Fund FoundationBill and Melinda Gates Foundation
Mots-clésEmpowermentEmpathyPsychological interventionProcess (computing)TanzaniaPublic relationsPsychologyKnowledge managementComputer sciencePolitical scienceSocial psychologySociologyEconomic growthEconomicsSocioeconomics

Résumé

récupéré en direct d'OpenAlex

In 2021, the Adolescents 360 (A360) project pursued a human-centered design (HCD) process to layer complementary economic empowerment components on top of its existing sexual and reproductive health (SRH) interventions targeting adolescent girls aged 15 to 19. Given the volume of evidence informing successful approaches for improving economic and empowerment outcomes for adolescents, we pursued an intentionally evidence-informed and gender-intentional design process, while trying to also respond directly to user insights. In this open letter, we share how we utilized and validated the evidence-base while applying the core tenets of HCD (empathy and user insights) to design holistic, layered programming for girls. We describe three overarching categories which depict how we used the existing evidence and new user insights to strengthen our design process. Often the evidence base allowed us to expedite finding a solution that worked for our users. However, at times there was a disconnect between what we knew worked in the evidence base and what our users said they wanted. New insights also allowed us to build a greater understanding of our users' lived experiences where there were existing evidence gaps. We were aided by the engagement of a technical partner, BRAC, who synthesized evidence for our design teams and functioned as an 'on demand' support mechanism as questions and challenges arose. Yet, the volume of information to absorb almost guaranteed that we would miss out on the opportunity to apply certain evidence-based practices. We encourage researchers to consider how to make evidence more easily digestible to practitioners and for the whole community of practice to work together to identify what questions need to be asked to effectively operationalize evidence in a local context.

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)0,114
score de la tête « metaresearch » (Gemma)0,076
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,605

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1140,076
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,013
Communication savante0,0070,005
Science ouverte0,0040,010
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,359
Tête enseignante GPT0,462
Écart entre enseignants0,103 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGates Open ResearchMême sujetICT in Developing CommunitiesTravaux en français237 207