Planting Imagination: Community Co-Design for Toronto’s Chinatown West
Notice bibliographique
Résumé
Planting Imagination ran from 2021 to 2023 (during a pandemic recovery period) in Toronto’s Chinatown neighbourhood. It brought together a group of local Chinatown community organizations and University researchers to recruit 60 diverse ‘Chinatown Activators’ (CAs) and six Community Facilitators (CFs) from across the community. CFs and Cas used virtual reality (VR) technology to co-design a local community garden and develop new visions for the future of Chinatown. Using cutting-edge VR visioning and the principles of the Collaborative Community Engagement Model (CCEM) co-design, the Chinatown community was provided with a platform to virtually envision the future of their own community and neighbourhood as a collaborative process. In doing so, they explored how we might transform the way we build and mobilize communities, (re)construct communityidentities, and strengthen the community’s resilience to promote social justice and equity. This process strengthened community solidarity to enable local residents to more readily steward the future of the built environment and respond collectively to challenging events like the pandemic. Bringing together diverse disciplines and practices (including architecture, cultural psychiatry, interior design, immersive technology, computer science and public health), Planting Imagination developed models of therapeutic VR co-creation delivered through a series of online and in-person multi- lingual community co-design and co-fabrication sessions that prioritized the communities and neighbourhoods disproportionately impacted by COVID-19.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».