Conceptualizing community data governance for race-related, population data: a scoping review and key informant interviews
Notice bibliographique
Résumé
ObjectiveThere is growing recognition of the importance of community data governance to build accountability of research institutions to communities. Our organization, a steward of health and administrative population-level data, has previously implemented community governance structures for Indigenous data. This scoping initiative explores development and implementation of an additional community governance structure for race-related data. ApproachWe conducted a scoping review of peer-reviewed and grey literature to identify existing practices of community data governance. We also conducted key informant interviews with thirteen racialized community stakeholders, who addressed open-ended questions on potential co-design processes as well as governance mandates, scopes, barriers, and facilitators. ResultsThe scoping review identified eight community data governance examples. Two of these pertained to race-related data, while the remaining six pertained to other data that identified “community” geographically, by disease condition, life stage, and/or economic circumstance. Governance structures were diverse, ranging from one-time crowd-design of a data-sharing agreement to quarterly meetings of a governing board to review project-level data requests. Key informant interviews provided four themes to guide implementation in the context of our organization: exploring organizational readiness, considering who should be involved, defining the scope and mandate, and drafting an approach and process. ConclusionWe are committed to implementing a community governance structure for race-related, population-level data. However, there are limited examples of similar structures in the existing literature. ImplicationsThe identified examples and the advice of community stakeholders will guide co-design of a preliminary structure, scope, and mandate for community governance of race-related, population-level data.
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 | 0,046 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,019 |
| Science ouverte | 0,027 | 0,020 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».