Visualizing survey data: disseminating results from a population health survey on HIV and AIDS in Canada
Notice bibliographique
Résumé
Effective knowledge dissemination of population survey results benefit the end user when results are engaging and visually appealing, as they enhance understanding and move research into action. In 2011, the CIHR Social Research Centre in HIV Prevention (SRC) at the University of Toronto's Dalla Lana School of Public Health and the Canadian Foundation for AIDS Research (CANFAR) conducted a national population health survey to gain a better understanding of Canadians' behaviours, attitudes, knowledge and perceptions of HIV and AIDS. To maximize the dissemination of these survey results, the team was funded by a Canadian Institutes of Health Research (CIHR) grant to build a prototype for an open source (or open access or non proprietorial) web-based data visualization tool. The interactive tool visualizes the survey data using both spatial and non-spatial elements and utilizes both Drupal and Google map and charts scripts. The tool is currently undergoing evaluation by its target knowledge users, which are staff at organizations that provide HIV and AIDS-related services across Canada. Future plans are to further build-out non-spatial visualization components as well as add additional data to the platform. This project involves a multi-disciplinary collaboration between public health researchers, geographers, librarians and professionals from community-based AIDS organizations. This session will describe the process of developing the data visualization tool; share the results from the evaluation data collected ; and discuss the challenge of designing a tool that engages users through an easily accessible and visually pleasing representation without losing the multidimensional complexity of the data.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».