Engaging interested parties to optimize wildfire smoke communication in Canada: challenges with initiating change
Notice bibliographique
Résumé
Background In February 2022, an online Wildfire Smoke Communication Workshop series identified priorities and strategies to improve wildfire smoke communication in Canada. We evaluated the engagement methods, the workshop series and workshop summary report, to determine if participants/organizations initiated changes identified in the workshop to optimize wildfire smoke communication plans. Methods Three evaluation surveys were developed using the RE-AIM (Reach, Effectiveness, Adoption, Implementation, and Maintenance) framework dimensions and PRISM (Practical, Robust, Implementation, and Sustainability Model) contextual domains to measure the engagement impact. Surveys 1, 2, and 3 were disseminated to workshop participants between February 2022 (post-workshop series), May 2022 (pre-wildfire season), and September 2022 (post-wildfire season). Likert survey responses were analyzed descriptively using means and standard deviations. Open-ended written responses were analyzed using deductive reasoning and response proportions. Results Of 69 workshop participants, 28, 19, and 13 responded to surveys 1, 2, and 3, respectively. Workshop participation helped survey 1 respondents consider optimizing wildfire smoke communication (M = 3.93, SD = 0.88). Workshop participation and the summary report helped survey 2 respondents consider new actions to optimize wildfire smoke communication (M = 3.84, SD = 0.74). The most intended action in survey 2 (68%, n = 13) and the most common action taken in survey 3 (62%, n = 8) was to simplify message content. The primary limitation to optimization was capacity. Conclusion The engagement methods, particularly the summary report, were beneficial for organizations to take action to optimize wildfire smoke communication in Canada. Future engagement methods should examine persisting system-level issues and capacity limitations as they undermine the ability to optimize wildfire smoke communication in Canada.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,028 | 0,005 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».