A Case Study of the COVID-19 Pandemic Crisis Response: Serving Racialized Immigrant Communities
Notice bibliographique
Résumé
Drawing on Calgary East-Zone Immigrants Collaborative (CENC) as a case study, this research examines the role of settlement organizations as part of the collaboration in responding to the COVID19 pandemic in Calgary. Adopted a community-based and cross-sectoral model of crisis response that addresses community connections (Eisenman et al., 2007; Leong et al., 2015) and temporary partnerships between multiple stakeholders (Bryson et al., 2006), findings in this study highlight the following perspectives: First, settlement organizations have a culturally diverse, multilingual staff, and extensive experience communicating with non-English speakers, crucial resources that were mobilized and translated for COVID-19 crisis response. These contexts facilitated CENC to demonstrate services with linguistic and cultural capacities, offer culturally appropriate food delivery, and provide culturally competent financial assistance and guidance. Second, settlement organizations between state agencies and grassroots communities were formed through one-on-one and small group conversation initiatives and pivoted for facilitating a crisis response to form long-established trust relations with immigrant communities. Thirdly, the CENC response involved in large part a repurposing of settlement organizations’ existing logistical and technological capabilities or infrastructure from financial literacy and job training services to public assistance benefits and unemployment support services, database infrastructure to referral systems, and catering to food delivery to meet shorter-term needs brought on by the pandemic. This study concludes that public agencies’ rapid crisis response support merged with settlement organizations’ settlement support for more integrated services that were responsive to urgent needs unique to the COVID-19 pandemic and particular to specific needs unique to immigrant communities.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,030 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».