Are we there yet? Evaluation and the knowledge translation journey.
Notice bibliographique
Résumé
INTRODUCTION: Critical to knowledge translation are organizations' efforts to evaluate their implementation of evidence-based practices (EBPs). Organizations face challenges in their ability to be aware of emerging practices, to measure their efforts against current evidence, and to adapt EBPs to their contextual environments. The Provincial Centre of Excellence for Child and Youth Mental Health has engaged in initiatives to increase the uptake of EBPs and mobilize knowledge by building capacity for evaluation and research in the sector. METHODS: Consultation services and innovative grants to organizations with mental health programs and services, where the Centre acts as both knowledge and relationship broker, are contributing to organizations' capacity to do and use evaluation. RESULTS: Case exemplars illustrate the processes, successes and challenges experienced by organizations in Centre-supported activities. The Centre's efforts to build organizations' skills in doing and using evaluation, promoting a learning-by-doing approach and fostering collaboration are described. CONCLUSIONS: Organizations with the capacity to conduct effective evaluations are better able to implement and assess EBPs, conduct quality evaluations, and contribute to research in the child and youth mental health sector. Widespread gains in mental health organizations' evaluation capacities will contribute to system innovations and the fostering of collaborative partnerships.
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 | 0,185 | 0,297 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,008 | 0,025 |
| Communication savante | 0,022 | 0,027 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».