Navigating two worlds: developing a learning map to visualise the knowledge and skills required for culturally informed shared decision making with Aboriginal people in New South Wales Australia
Notice bibliographique
Résumé
Finding Your Way is a shared decision making (SDM) resource created with and for Aboriginal people in 2021. It is the only culturally adapted SDM resource for Aboriginal people in Australia and one of few examples developed with First Nations people internationally. A two-round modified e-Delphi approach, incorporating yarning methods, was used to gather expert opinions and reach a consensus on the capabilities (knowledge and skills) required to effectively use Finding Your Way and engage in SDM with Aboriginal people. 29 predefined capabilities were gleaned from the research evidence and yarning sessions to form the basis of the e-Delphi. 138 panel members completed round one of the e-Delphi between 19/01/2023 and 27/01/2023, and 113 completed round two between 09/02/2023 and 20/02/2023. There was 82% panel member retention rate across the two-e Delphi rounds and the consensus threshold was 75% strongly agree. Consensus was reached for ten capabilities, and a learning map was developed to reflect Aboriginal valuing, being, knowing and doing as represented in the Aboriginal 8 Ways of Learning pedagogy. Cultural imagery was used to create the learning map representing key knowledge and skills required ton use Finding Your Way, presenting this information in a symbolic and non-linear way.
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 | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».