Une synthèse exploratoire du courtage en connaissance en santé publique
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Il est réclamé que les politiques et interventions en santé publique soient fondées sur des données probantes. Aussi, pour favoriser l’utilisation des résultats de recherche, le recours à des courtiers en connaissances est de plus en plus suggéré. Cet article présente une synthèse exploratoire de l’état des savoirs concernant cette nouvelle stratégie. Nous avons réalisé une étude de portée ( scoping study ) en consultant les principales banques de données. Dix-neuf articles ont été inclus dans l’analyse qui a été conçue avec une grille élaborée de façon itérative. La synthèse montre que les initiatives de courtage de connaissances comportent i) des activités de planification (identification des parties prenantes, création de réseaux et partenariats, analyse du contexte, identification des problèmes, identification des besoins), ii) un soutien aux courtiers (formation, aide technique, élaboration d’un guide de pratique) et iii) les activités de courtage en soi (gestion de l’information, liaison entre producteurs et utilisateurs de connaissances, formation des utilisateurs). Seulement quatre articles présentent des données empiriques sur les effets des activités des courtiers. Trois sont associées à une augmentation du niveau de connaissance du public visé. Aucune étude n’a démontré d’impact sur les comportements cliniques et sur le contenu des politiques publiques. Cette synthèse a mis au jour les défis des initiatives de courtage ainsi que les caractéristiques et habiletés que devraient détenir un courtier. Si le courtage de connaissances semble prometteur, un effort doit maintenant être effectué pour qu’il soit plus systématiquement évalué afin d’apporter des preuves de son efficacité.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,010 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,010 |
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 découle