Towards Capacity Building in Wheelchair Service: A Participatory Action Research Approach to Develop an International Package for Wheelchair Service Education
Notice bibliographique
Résumé
Research findings over several years and across the globe have demonstrated that education and training for individuals who serve on the front line of wheelchair service provision is inadequate. It is a problematic situation that challenges equitable access to an appropriate wheelchair for the 80 million wheelchair users worldwide. It is a situation that requires social change initiated by those in the field. As a methodology whose objective it is to co-create knowledge and promote social change, participatory action research (PAR) was a natural choice for the creation of the Wheelchair Educators’ Package (WEP). This paper describes our use of a 10-step PAR process combined with the Participation Choice Points model to actively recruit and engage a 32-member team of community partners affected by this situation to develop the WEP. As a team representing the interests of the ultimate beneficiaries of wheelchair service providers (i.e., wheelchair users), our members were carefully chosen to contribute to a WEP that would be of use to educators in diverse contexts across the globe but not all members were trained in research. The PAR process, designed to optimize and support participation at the desired level of our team members, as well as the measurement of team member engagement, experience, and level of satisfaction with the PAR process are described in this paper. We also offer reflections on the use of our methods and describe how this work provides insights into the way in which academic and global partners may co-create an environment that empowers community partners, many of whom volunteer their time to complete works such as the WEP.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,089 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».