<i>“WE CAN ALL CONTRIBUTE IN OUR OWN WAY”</i> : KNOWLEDGE MOBILIZATION TOOLS TO PROMOTE BEST PRACTICES IN UNIVERSAL ACCESSIBILITY
Notice bibliographique
Résumé
Abstract Background Cities aim to enhance urban accessibility following the adoption of the United Nations’ Convention on the Rights of Persons with Disabilities. However, implementation faces challenges due to complex municipal legislation, lack of awareness, and organizational obstacles. Engaging stakeholders and empowering municipal employees through knowledge mobilization is crucial, as shown in a Quebec City’s partnership research process. Aim To report the implementation strategy as implemented, explore the perception of the employees about the format and feasibility of the implementation strategy and explore the induced changes of knowledge mobilization tools on the implementation determinants of universal accessibility measures for municipal employees. Methods The study used a multi-method design, involving interviews and a questionnaire with the project steering committee, made up of city employees and the research team. Three 30-minute participatory workshops were conducted for culture, communications, and public consultation administrative units. Results Participants appreciated the workshop format and video content, suggesting minor improvements for broader implementation. The tools effectively increased engagement in implementing universal accessibility measures, proving valuable for raising awareness. Discussion and Conclusion The study demonstrates the advantages of a collaborative approach in developing knowledge mobilization tools, enhancing municipal personnel’s capacity for universal accessibility measures, and highlighting the need for adaptable strategies. Contributions to the litterature Knowledge mobilization tools created in partnership with knowledge users encourage buy-in and a positive view of the tools. An interactive implementation strategy actively involving knowledge users promotes awareness and behavior change Municipal organizations’ context being complex, the implementation strategy must be adapted to each group of people and their reality to facilitate the implementation and adoption of the tools. The combined use of a theoretical framework and a participatory approach provides a guideline for the development of tools and implementation, while adapting to the specific context.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».