Understanding the emergence of ‘Communitization’ under India’s National Rural Health Mission (NRHM): Findings from two Witness Seminars
Notice bibliographique
Résumé
India's experience with the National Rural Health Mission (NRHM) is notable on account of nationally formalisingat scalecommunity action in service delivery, monitoring, and planning of health services.A study was undertaken to document and create a historical record of NRHM's 'communitization' processes.The oral history method of the Witness Seminar was adopted and two virtual seminars with five and nine participants, respectively, were conducted, and supplemented with 4 in depth interviews.Analysis of transcripts was done using ATLAS.ti22 with the broad themes of emergence, evolution, and evaluation and impact of 'communitization' under NRHM.This paper engages with the theme of 'emergence' and adopts the Multiple Streams Framework (MSF) conceptualised by John Kingdon for analysis.Key findings include the pioneering role of boundary spanning decision makers and the Jan Swasthya Abhiyan (JSA) in advocacy and design of 'communitization' structures, and the legacy of rights based social mobilizations and state-civil society partnerships in health during the 1990s influencing the ethos underlying 'communitization'.Democracy, leadership from the civil society in policy design and implementation, and state-civil society partnerships are linked to the positive results witnessed as part of 'communitization' in NRHM.
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 | 0,016 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,028 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,003 | 0,019 |
| Intégrité de la recherche | 0,002 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».