Municipal community safety and well-being policies: Intersectoral action as social innovation
Notice bibliographique
Résumé
Municipal community safety and well-being policies or frameworks focus on public safety and well-being by design, but scope, focus, and operationalization vary. While municipal governments set priorities for safety and well-being, many contributing factors fall under the jurisdictions of other regional, provincial, or national actors across sectors. This complex landscape suggests a need for intersectoral networks to overcome silos and structural barriers in practice. This is consistent with population health approaches that value intersectoral action and upstream approaches, yet face implementation, scale, and continuity barriers. Recognizing this, the 2023 Centre for Healthy Communities Innovation Forum brought together over 130 multi-sectoral partners and representatives of organizations working on a municipal community safety and well-being policy or related social innovations. This paper reports on the topics, challenges, and calls for action that emerged from this event. Two calls to action emerged: (1) safety and well-being should be a central concern and investment priority for all levels of government; and (2) collaborative action across sectors and at different decision-making levels are critical for policy positive outcomes from community safety and well-being policies over the near and long terms. Intersectoral action must take a systems approach, connecting various levels to identify tangible actions and achieve transformative, population-level impacts on public safety and well-being, social outcomes, and economic vitality goals within communities. There is a pressing need to foster a funded system (or network of systems) to support the intersectoral coordination and collaboration required for ongoing cultivation and maintenance of an effective municipal community safety and well-being policy.
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 | 0,057 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,022 | 0,052 |
| Communication savante | 0,025 | 0,017 |
| Science ouverte | 0,004 | 0,038 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».