Building a Policy-Oriented Research Partnership for Knowledge Mobilization and Knowledge Transfer: The Case of the Canadian Metropolis Project
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
The aim of this paper is to examine government–university–community partnerships for knowledge mobilization (KM) and knowledge transfer (KT) in the area of immigration and settlement research using the illustrative case of the Canadian Metropolis Project. The Metropolis Project in Canada began in 1995 with the goal of enhancing policy-oriented research capacity for immigration and settlement and developing ways to better use this research in government decision-making. Core funding for this partnership was provided jointly by Citizenship Immigration Canada (CIC), a department of the Government of Canada and the primary social science granting agency, the Social Science and Humanities Research Council (SSHRC). As of 2012, and subsequent to three successful funding phases, the decision was made to end government and SSHRC core funding for this initiative, however, other non-governmental funding avenues are being explored. The longevity of this partnership and the conclusion of this specific initiative present an opportunity to reflect critically on the nature of such partnerships. This paper is an attempt to identify some of the key themes, issues and challenges related to research partnerships, KM and KT. Also, with the aid of an illustrative case, it aims to specify some of the possibilities and limitations of this kind of policy relevant knowledge mobilization. Special consideration will be placed on the context in which the demand for knowledge mobilization and knowledge transfer has emerged. This examination has considerable international relevance as the Canadian Metropolis Project offers the leading example of a research partnership in the field of immigration and settlement.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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