Shifting Hearts and Minds: Practical Communications Strategies for Addressing Homelessness in Mid-Size Cities
Notice bibliographique
Résumé
The visibility of homelessness is increasing in mid-size cities, putting municipalities under mounting pressure to address this complex issue. Unfortunately, community sentiment and responses to homelessness are often informed by misinformation and divisive narratives. Communication strategies, therefore, play a key role in educating audiences, highlighting shared values across the political spectrum, and advancing human rights-based and sustainable solutions to homelessness. In this article, we offer strategies for educating, uniting, and mobilizing different stakeholders around human rights-based approaches to homelessness. We discuss how to segment, target, and reach different audiences with values-based and research-backed messaging, particularly through a layered approach. We share practical tools on how, when, and where to most effectively deploy content to maximize its reach. We also discuss best practices for communicating with any audience on the critical homelessness and human rights issues facing mid-sized communities today. These strategies and best practices will allow you to communicate with purpose, make the best use of resources, shift hearts and minds, and ultimately advance your goal of promoting human rights-based and sustainable solutions to homelessness in your community.
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 | 0,019 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,009 |
| Communication savante | 0,009 | 0,016 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».