Building CapaCITY/É for sustainable transportation: protocol for an implementation science research program in healthy cities
Notice bibliographique
Résumé
Introduction Improving sustainable transportation options will help cities tackle growing challenges related to population health, congestion, climate change and inequity. Interventions supporting active transportation face many practical and political hurdles. Implementation science aims to understand how interventions or policies arise, how they can be translated to new contexts or scales and who benefits. Sustainable transportation interventions are complex, and existing implementation science frameworks may not be suitable. To apply and adapt implementation science for healthy cities, we have launched our mixed-methods research programme, CapaCITY/É. We aim to understand how, why and for whom sustainable transportation interventions are successful and when they are not. Methods and analysis Across nine Canadian municipalities and the State of Victoria (Australia), our research will focus on two types of sustainable transportation interventions: all ages and abilities bicycle networks and motor vehicle speed management interventions. We will (1) document the implementation process and outcomes of both types of sustainable transportation interventions; (2) examine equity, health and mobility impacts of these interventions; (3) advance implementation science by developing a novel sustainable transportation implementation science framework and (4) develop tools for scaling up and scaling out sustainable transportation interventions. Training activities will develop interdisciplinary scholars and practitioners able to work at the nexus of academia and sustainable cities. Ethics and dissemination This study received approval from the Simon Fraser University Office of Ethics Research (H22-03469). A Knowledge Mobilization Hub will coordinate dissemination of findings via a website; presentations to academic, community organisations and practitioner audiences; and through peer-reviewed articles.
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 | 0,131 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,180 | 0,034 |
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 ».