Notice bibliographique
Résumé
It is difficult to overstate the degree of uncertainty during the early days of the coronavirus disease of 2019 (COVID-19) pandemic, as government advice largely emphasized self-quarantine and isolation, stringent hygienic and sanitation practices, implementation of regulations around face masks and shields, and closure of congregate public spaces. This uncertainty was especially true for homelessness service providers, as homelessness is a phenomenon which has historically taken place primarily in public and communal spaces. It is important to consider that data collection among people experiencing homelessness (PEH) has always been a complex endeavor, as these populations can be transient, hard-to-reach, and reluctant to engage with researchers. COVID-19 testing was also severely limited throughout 2020, prior to the development of readily available self-administered tests. Understanding the complete picture of COVID-19 transmission within homeless populations during the early days of the outbreak, is therefore immensely challenging. For these reasons, this study, undertaken in August 2020, seeks to record the impact of the early pandemic period on homelessness service systems from a policy perspective. The value of this perspective is twofold: first, it documents how systems in a wide array of contexts responded to a critical public health crisis and can stand as a record of how systems operated prior to and immediately after the outbreak occurred, providing important historical context for future research; and second, it helps contextualize new and emerging data around the experience of PEH during COVID-19 and its lingering impacts.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,005 |
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 ».