MétaCan
Menu
Retour à la cohorte
Enregistrement W4415552413 · doi:10.1016/j.trip.2025.101702

Surveying people with disabilities: Insights on methods and challenges

2025· article· en· W4415552413 sur OpenAlex
Keith Christensen, Brent C. Chamberlain, Keunhyun Park, Motahareh Abrishami, Jefferson Clark Sheen, Teresa Larsen

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTransportation Research Interdisciplinary Perspectives · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute on Disability, Independent Living, and Rehabilitation Research
Mots-clésData collectionSurvey data collectionScale (ratio)Compensation (psychology)Lived experienceRepresentation (politics)Key (lock)Qualitative property

Résumé

récupéré en direct d'OpenAlex

• Advisory Board with disabilities improved survey clarity, accessibility, and relevance. • Modular surveys and accessible formats reduces fatigue and improve data quality. • Diverse recruitment strategies and community partnerships enhance representation and trust. • Fair compensation is vital, but must be balanced with fraud prevention and benefit eligibility concerns. • Transportation research must redefine “accessibility” to reflect real-world barriers faced by people with disabilities. A fundamental challenge in researching people with disabilities lies in the difficulty collecting data representing the lived experience of people with disabilities – this is particularly true with intersectional research on the built environment, transportation, activities of daily community living (ADCLs), and well-being. There are two primary reasons for this data gap: 1) inherent challenges in surveying people with disabilities, and 2) limitations of existing public datasets, which often fail to capture the vast experiences of people with disabilities, particularly in relation to transportation, the built environment of communities, and people with disabilities’ activities of daily community living. This paper provides a reflection on the challenges of gathering survey data from people with disabilities, which leads to these information gaps that are common in disability research. These insights arise from reflecting on a significant interdisciplinary research project undertaken by the authors, including data collection efforts, sampling and data collection methodology, analyzing challenges arising from current survey technologies, and partnering with individuals with disabilities in a meaningful way that acknowledged the importance of their lived experience. Key lessons learned from these data-gathering efforts include the importance of inclusive survey design, effective recruitment strategies, and robust data validation. By highlighting these lessons, this paper aims to improve future disability research and contribute to future data collection efforts that are more inclusive and effective.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,125
Tête enseignante GPT0,493
Écart entre enseignants0,368 · 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