MétaCan
Menu
← Retour à la cohorte
Enregistrement W7164137593 · doi:10.17605/osf.io/k7t32

Canadian Accessibility and Remoteness Index (CARI+)

2025· dataset· en· W7164137593 sur OpenAlexaboutno aff
Tomoko McGaughey, Paul Peters

Notice bibliographique

RevueOpen MIND · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRuralityIndex (typography)CensusPopulationIndigenousIndex of dissimilarityService (business)Immigration

Résumé

récupéré en direct d'OpenAlex

Development of the Canadian Accessibility and Remoteness Index Plus (CARI+). Rurality and remoteness are policy-relevant concepts for planning and evaluating equitable access to services across Canada, yet existing measures rely on categorical, urban-centric and coarse spatial definitions that obscure variation in accessibility across the rural–urban continuum. The Canadian Accessibility and Remoteness Index Plus (CARI+) is a small-area accessibility index at the dissemination-area (DA) level based on road-network travel to stratified service centres, including population centres and 24-hour emergency departments stratified by settlement-size. An overall rurality score is produced, then normalized to an index between 0 and 1 and classified via multiple methods. The CARI+ produces an even population distribution across categories of rurality, revealing socio-demographic gradients in material deprivation and Indigenous identity that increase with remoteness, while educational attainment and immigrant representation decline. In very remote areas, CARI+ identifies 25% Indigenous residents and 27% of the population with less than high school education, versus 78% and over 50% respectively under the other rural measures. CARI+ provides a transparent, service-specific, high-resolution measure of accessibility that addresses key limitations of existing Canadian indices and supports nuanced analysis for health and social service planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,014
Études des sciences et des technologies0,0020,000
Communication savante0,0030,001
Science ouverte0,0040,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0240,013

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,351
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→