MétaCan
Menu
Retour à la cohorte
Enregistrement W4405960791 · doi:10.1093/geroni/igae098.1299

MOBILIZING UNTAPPED LIVED EXPERTISE TO ASSESS ACCESSIBLE AND AGE-FRIENDLY INFRASTRUCTURES

2024· article· en· W4405960791 sur OpenAlexaffabout
Mikiko Terashima, Kate Clark, Katherine Deturbide

Notice bibliographique

RevueInnovation in Aging · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBusinessComputer scienceData science

Résumé

récupéré en direct d'OpenAlex

Abstract Many rural municipalities in Canada have been experiencing steady population declines overall, while vulnerable population groups such as older adults and persons with disabilities tend to remain in their communities. With shrinking tax bases, municipalities must make smarter choices in provisions of accessible and age-friendly services and amenities. However, exact conditions and needs of accessible and age-friendly infrastructures in rural communities are increasingly becoming difficult to evaluate, as their planning departments do not have sufficient human and financial capacities to monitor them. The Planning for Equity, Accessibility, and Community Health (PEACH) Research Unit is situated in a planning school at a university in Nova Scotia, Canada. In partnership with two rural municipalities, PEACH Research Unit conducted in-person and online consultations with persons with lived expertise to develop key indicators that can inform municipalities on priority accessible and age-friendly infrastructure needs. This presentation will highlight lessons learned from our engagement processes, including considerations for accessibility and inclusive recruitment, engagement venues, and communication methods that maximize participation of a hard-to-reach group in rural communities. An example tool especially useful for our purpose was an online mapping platform, which helped the participants articulate their insights and better share stories of their experiences. It facilitated discussion beyond simply inventorying what types of infrastructure matter to them—while also soliciting their suggestions on solutions to the design of specific sites in real settings, which were often relational to surrounding environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,223
Score d'incertitude au seuil0,443

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0060,003
Communication savante0,0050,002
Science ouverte0,0010,012
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,050
Tête enseignante GPT0,376
Écart entre enseignants0,326 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207