Harmonizing Data Visualizations on Child Health and Well-Being to Strengthen Advocacy and Monitoring Efforts
Notice bibliographique
Résumé
Key Messages Although the substantial increase in data visualization tools on child health and well-being has made data more accessible and facilitated evidence-based decision-making, the increase has contributed to confusion over which tools to use for specific purposes and how they complement each other. We summarize the events that triggered increased production of data visualization tools on child health and well-being, discuss the benefits and challenges resulting from this increase, and propose principles for producing future tools, with an emphasis on tools for global monitoring, so that they most effectively spark action and accountability for children. The 6 principles include: (1) cocreate data visualization tools across organizations; (2) align donors on requests for new child health data visualization tools; (3) define the purpose, target audience, and added value of new tools at the outset; (4) develop tools through inclusive engagement of all key stakeholders; (5) identify a lead institution or individual to manage iterations of the tool and build consensus; and (6) select indicators that adhere to standard definitions, recommended data sources, and are available through existing data collection platforms.
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 | 0,147 | 0,262 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,016 | 0,019 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 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 ».