MétaCan
Menu
Retour à la cohorte
Enregistrement W4403204829 · doi:10.1016/j.wss.2024.100217

Effect of a neighbourhood intervention on social cohesion in Hamilton, Ontario, Canada

2024· article· en· W4403204829 sur OpenAlexaffabout
Marisa Young, Erika Halapy, James R. Dunn

Notice bibliographique

RevueWellbeing Space and Society · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensSt. Michael's HospitalMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCohesion (chemistry)Neighbourhood (mathematics)SociologyPsychologyDemographic economicsGeographyMathematicsEconomicsPhysics

Résumé

récupéré en direct d'OpenAlex

• Social cohesion is a key social resource that promotes collective wellbeing. • This study examined the effect of a neighbourhood-based intervention on social cohesion. • Using a prospective, controlled design, results showed some improvement. • These findings may inform urban policies and improve resident and community wellbeing. Place-based interventions are a widely used approach to redressing the consequences of concentrated neighbourhood poverty and urban segregation, but relatively few studies have examined the impact of such policies on an important social resource: social cohesion. Social cohesion is pivotal in providing a sense of community, fostering positive relationships among neighbours, and promoting collective well-being. This study examined the impact of a place-based intervention at the neighbourhood-level on social cohesion in Hamilton, Ontario, Canada using a quasi-experimental study with 881 intervention participants across six targeted neighbourhoods and 173 control participants. The findings suggest social cohesion increased in some of the intervention neighbourhoods compared to a control group of Hamilton residents untouched by the intervention. If confirmed by future investigations, these results could inform a re-focusing of place-based initiatives and a shift in their evaluation beyond health and economic impacts to provide greater focus on building durable community social assets like social cohesion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,380

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,358
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWellbeing Space and SocietyMême sujetCommunity Health and DevelopmentTravaux en français237 207