Community-Led Transformation of the Housing and Education Systems by York Factory First Nation, Manitoba, Canada
Notice bibliographique
Résumé
First Nation communities in Canada face systemic barriers to quality housing and education. This participatory research with Indigenous people from York Factory First Nation (YFFN) from 2022 to 2025 focused on youth capacity-building and developing funding proposals. The YFFN partnered with the University of Manitoba to compete successfully for a “rural, rapid housing” $8.4 million grant in 2023-2024 to fund infrastructure for the education and housing ecosystem of YFFN. This grant funded a state-of-the-art trades school building, four prototype housing designs, dormitory facilities and a Wikiwin post-secondary education program. The Wikiwin “earn as you learn” program offered 20 YFFN youth paid internships to build YFFN houses and take university courses in their community. To analyze the sustainable livelihood benefits of the Wikiwin program, all 20 Wikiwin students were surveyed when starting in 2023 or 2024, and again in 2025, with an 85% response rate (n = 17). A paired t-test found statistically significant (p p < 0.05) for many human, financial, and social assets and at higher rates than the YFFN control group (n = 9). This case study found many benefits of community-led post-secondary education, offering a promising approach to transform education and housing systems in First Nation 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».