OLDER ADULTS WITH DISABILITIES AS CORESEARCHERS IN COMMUNITY-ENGAGED RESEARCH ON MOBILITY AND ACCESS
Notice bibliographique
Résumé
Abstract Neighbourhood access and participation opportunity significantly impacts the health, social inclusion, and overall wellbeing of older adults especially those with mobility, sensory and cognitive disabilities. Stakeholders Walkability/Wheelability Audit in Neighbourhoods (SWAN) is a community engaged mixed method project where user-led audits are conducted in neighbourhoods complemented by semi-structured interviews to evaluate the role of built environment on mobility, access and participation of older adults and people with disabilities across five cities within Metro Vancouver, Canada. Using a community engaged lens starting from initial engagement to more advanced collaboration, this project involves various community stakeholders in different capacities fostering a two-way exchange of information between researchers and community members. Study participants as coresearchers participate in research tool adaptation, data collection, analysis and knowledge mobilization. Additionally, city staff members partner with the research team to identify key areas in cities for data collection, collaborate in knowledge mobilization activities and the development of complementary implementation projects. The SWAN project is part of a larger partnership project titled, “Mobility, Access and Participation” (MAP). Preliminary findings from this project underscores neighbourhood accessibility as it relates to functionality, safety, appearance, supportive features and social engagement opportunities for older adults with disabilities while highlighting some distinct challenges across different types of disabilities. Insights from the SWAN project has the potential inform both academic scholarship and local government policy around mobility, access and social. Findings underscores the importance of community engaged research in informing programmatic and policy changes using a social equity lens.
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 | 0,026 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».