KNOWLEDGE MOBILIZATION TO DEVELOP DEMENTIA-INCLUSIVE COMMUNITIES IN THE DEMSCAPE PROJECT
Notice bibliographique
Résumé
Abstract Creating a supportive neighborhood built environment that facilitates outdoor mobility, wayfinding, and access to community destinations is a key component in making communities more dementia-inclusive. To help municipalities achieve their vision of dementia-friendly and inclusive streets and outdoor spaces, this Knowledge Mobilization (KM) extension of the Dementia-inclusive Spaces for Community Access, Participation, and Engagement (DemSCAPE) project developed three evidence-based education and training resources for municipal planners, community-based organizations, people with lived experience and care partners. These resources or tools are: 1) “Dementia-Inclusive Planning and Design Guidelines” to inform municipal planners and decision-makers on effective physical planning and design to support people living with dementia; 2) “Neighbourhood Environmental Audit Tool” for community-based dementia advocacy organizations and people with lived experience to conduct audit of the neighbourhood environment and identify intervention projects; and 3) eight-minute documentary video illustrating the lived-experiences of three people living with dementia in urban, suburban and northern areas of British Columbia, Canada. In partnership with the City of Burnaby and the City of Richmond in Metro Vancouver, Canada, three KM activities are being conducted: 1) World Café discussions following screening the short video and an accompanying photo exhibit, 2) focus group discussions with municipal planners to help them apply knowledge of dementia-friendly streets and outdoor spaces to planning and design, and 3) conduct environmental audits of targeted streets in Metro Vancouver engaging people living with dementia and identify actionable built environmental interventions to make their communities more dementia-inclusive.
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 | 0,013 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,032 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».