Diverse methodological approaches to a Circumpolar multi-site case study which upholds and responds to local and Indigenous community research processes in the Arctic
Notice bibliographique
Résumé
This paper outlines the methodological approaches to a multi-site Circumpolar case study exploring the impacts of COVID-19 on Indigenous and remote communities in 7 of 8 Arctic countries. Researchers involved with the project implemented a three-phase multi-site case study to assess the positive and negative societal outcomes associated with the COVID-19 pandemic in Arctic communities from 2020 to 2023. The goal of the multi-site case study was to identify community-driven models and evidence-based promising practices and recommendations that can help inform cohesive and coordinated public health responses and protocols related to future public health emergencies in the Arctic. Research sites included a minimum of 1 one community each from Canada (Nunavut,) United States of America (Alaska), Greenland, Iceland, Norway, Sweden, Finland. The approaches used for our multi-site case study provide a comprehensive, evidence-based account of the complex health challenges facing Arctic communities, offering insights into the effectiveness of interventions, while also privileging Indigenous local knowledge and voices. The mixed method multi-site case study approach enriched the understanding of unique regional health disparities and strengths during the pandemic. These methodological approaches serve as a valuable resource for policymakers, researchers, and healthcare professionals, informing future strategies and interventions.
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 | 0,127 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,011 | 0,010 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».