MétaCan
Menu
Retour à la cohorte
Enregistrement W4392571793 · doi:10.25071/mka7xs12

Co-production Through Volunteerism in Emergency Management: Drawing Lessons from Canada’s Syrian Refugee Resettlement Initiative

2021· article· en· W4392571793 sur OpenAlexaffabout
Aaida Mamuji, Catherine Kenny, Suad Ahmed, Paul-Émile Auger

Notice bibliographique

RevueCanadian Journal of Emergency Management · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésRefugeeProduction (economics)Emergency managementSyrian refugeesPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The field of emergency management has been increasingly encouraging the notion of emergency management as a shared, co-productive responsibility, with all members of the society having a role to play. In such whole-of-society efforts, volunteers play a direct role in the co-production of response outcomes. Canada’s mass resettlement of Syrian refugees in 2015 is a case in point, as Canadians rallied en masse to ensure the successful resettlement of thousands of Syrian refugees. In exploring the role of volunteers in this co-productive initiative, there are two important lessons for those in emergency management: The first involves learning from the volunteer management strategies implemented by resettlement agencies, which are applicable for any responding entity tasked with managing whole-of-society response efforts. The second (and perhaps more important) lesson is that those managing whole-of-society response efforts must recognize that value is co-created through three key relationships, a triad between volunteers, response entities, and those directly impacted by a disaster. Each of these relationships must be better understood and managed in order to achieve more effective emergency response outcomes in whole-of-society initiatives.

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)0,009
score de la tête « metaresearch » (Gemma)0,010
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: aucune
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,659

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0340,020
Communication savante0,0130,005
Science ouverte0,0030,010
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,333
Écart entre enseignants0,284 · 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Emergency ManagementMême sujetDisaster Management and ResilienceTravaux en français237 207