Stakeholder engagement opportunities in systematic reviews: Knowledge transfer for policy and practice
Notice bibliographique
Résumé
Knowledge transfer and exchange is the process of increasing the awareness and use of research evidence in policy or practice decision making by nonresearch audiences or stakeholders. One way to accomplish this end is through ongoing interaction between researchers and interested nonresearch audiences, which provides an opportunity for the two groups to learn more about one another. The purpose of this article is to describe and discuss various stakeholder engagement opportunities that we employ throughout the stages of conducting a systematic review, to increase knowledge utilization within these audiences. Systematic reviews of the literature on a particular topic can provide an unbiased overview of the state of the literature. The engagement opportunities we have identified are topic consultation, feedback meetings during the review, member of review team, and involvement in dissemination. The potential benefits of including stakeholders in the process of a systematic review include increased relevance, clarity, and awareness of systematic review findings. A further benefit is the potential for increased dissemination of the findings. Challenges that researchers face are that stakeholder interactions can be time- and resource-intensive, it can be difficult balancing stakeholder desires with scientific rigor, and stakeholders may have difficulties accepting findings with which they do not agree. Despite these challenges we have included stakeholder involvement as a permanent step in the procedure of conducting a systematic review.
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 | 0,812 | 0,856 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,006 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,021 | 0,016 |
| Études des sciences et des technologies | 0,017 | 0,033 |
| Communication savante | 0,030 | 0,057 |
| Science ouverte | 0,006 | 0,063 |
| Intégrité de la recherche | 0,023 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».