Using civically engaged research to promote young Black and Latino children’s well-being: lessons from a new interdisciplinary community-university, faculty–student collaboration
Notice bibliographique
Résumé
This paper presents how a new interdisciplinary, faculty–student research team collaborates with multiple community partners to develop civically engaged research (CER) addressing young children’s inequitable economic mobility. We aim to create more equitable, culturally responsive prenatal to age five (PN-5) systems of care that promote economic mobility for families in Charlotte, North Carolina and beyond. As a secondary objective, we leverage our CER partnerships and research lab model to create civically engaged learning (CEL) opportunities for diverse students, amplifying community impact. We detail our origins, shaped by a university initiative and two community calls to action, and explain how overcoming CER challenges – developing new projects, managing competing output pressures, and addressing external funding demands – has solidified our PN-5 identity and CER partnership. We share key lessons learned, including the value of strong mentorship in guiding CER development, internal deliberation to navigate interdisciplinary and cross-rank academic pressures, and co-producing materials to maximize impact. We also share strategies for creating outputs that ensure mutual benefit for all – community partners, faculty, and students, and highlight the benefits of integrating CEL opportunities within CER partnerships. Overall, we hope our experiences inspire others to foster meaningful CER partnerships that enhance community well-being.
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 | 0,035 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,026 | 0,018 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,003 | 0,032 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».