Establishing a Standardized Process for Obtaining Research Consent at a Sectoral Level
Notice bibliographique
Résumé
Background: Establishing a streamlined process for obtaining consent in the newcomer and resettlement sector presents an opportunity to expand research and longitudinal analysis to improve newcomer outcomes. Service providers face significant challenges in securing research consent and data access due to ethical concerns about service users’ privacy, data safety, and request timing. In line with its mission of generating new knowledge, co-creating solutions, and elevating best practices within the newcomer services sector, Newcomer Knowledge Hub (K-Hub) is seeking to develop a robust framework that offers a unified and standardized approach to obtaining consent. Method: The Dynamic Collaborative workshop served as a focus group of stakeholders from academia and agencies across Calgary to identify the opportunities and challenges of creating a streamlined consent process. Result: Some considerations highlighted as crucial to developing an ethical framework include informed and ongoing consent, recognizing barriers and service users’ preferences, and upholding community engagement. Other recommendations are clearly articulating benefits and risks to potential partner agencies and adopting a strategic and nuanced approach to demonstrate feasibility and accelerate support. Conclusion: While research in the newcomer and resettlement sector will continue to play a vital role in improving services, service users remain vulnerable to safety and privacy risks. A standardized framework for obtaining consent at a sectoral level safeguards service users’ autonomy and curbs excessive research burden on the newcomer population.
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 | 0,490 | 0,416 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,020 |
| Communication savante | 0,014 | 0,017 |
| Science ouverte | 0,005 | 0,020 |
| Intégrité de la recherche | 0,009 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,013 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».