Research and Industry Practices in Designing Clothes for Optimal Participation of Persons with a Physical Disability
Bibliographic record
Abstract
Contexte : Les vêtements sont importants dans la société et favorisent la participation des personnes ayant des déficiences physiques. Il existe peu d’information indiquant si l’industrie de la mode comprend leurs besoins. Objectifs : 1) Examiner le rôle des vêtements sur la participation des personnes ayant une déficience physique. 2) Explorer les perspectives des représentants de l'industrie de la mode vis à vis la littérature ainsi que les facteurs influençant la mobilisation des connaissances. Méthodologie : 1) Un examen de la portée a été réalisé à partir de six bases de données scientifiques, Google et plusieurs consultations d’experts. 2) Des entretiens semi-structurés ont été menés auprès des représentants de l'industrie de la mode. Résultats : 1) Cinquante-sept articles et 88 sites Web ont été sélectionnés. Des problèmes vestimentaires affectant la mobilité et les soins ressortaient fréquemment ainsi que divers facteurs personnels. Quarante-neuf pourcent des articles décrivaient des caractéristiques essentielles à la conception de vêtements adaptés. 2) Cinq entrevues révèlent l’importance de l’acquisition des connaissances pour concevoir des vêtements adaptés. Des barrières de temps, de fabrication et de commercialisation ont été identifiées au sein de l’industrie. Plus de ressources, de visibilité, de consultation et d’engagement de l’industrie permettraient des avancées dans le domaine du vêtement adapté. Conclusion : Les vêtements influencent de façon multidimensionnelle la participation des personnes. Un meilleur partenariat entre les chercheurs, les cliniciens, les personnes ayant des déficiences et l’industrie de la mode pourrait améliorer la conception de vêtement adaptés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.027 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".