Mapping as a knowledge translation tool for Ontario Early Years Centres: views from data analysts and managers
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
BACKGROUND: Local Ontario Early Years Centres (OEYCs) collect timely and relevant local data, but knowledge translation is needed for the data to be useful. Maps represent an ideal tool to interpret local data. While geographic information system (GIS) technology is available, it is less clear what users require from this technology for evidence-informed program planning. We highlight initial challenges and opportunities encountered in implementing a mapping innovation (software and managerial decision-support) as a knowledge translation strategy. METHODS: Using focus groups, individual interviews and interactive software development events, we taped and transcribed verbatim our interactions with nine OEYCs in Ontario, Canada. Research participants were composed of data analysts and their managers. Deductive analysis of the data was based on the Ottawa Model of Research Use, focusing on the innovation (the mapping tool and maps), the potential adopters, and the environment. RESULTS: Challenges associated with the innovation included preconceived perceptions of a steep learning curve with GIS software. Challenges related to the potential adopters included conflicting ideas about tool integration into the organization and difficulty with map interpretation. Lack of funds, lack of availability of accurate data, and unrealistic reporting requirements represent environmental challenges. CONCLUSION: Despite the clear need for mapping software and maps, there remain several challenges to their effective implementation. Some can be modified, while other challenges might require attention at the systemic level. Future research is needed to identify barriers and facilitators related to using mapping software and maps for decision-making by other users, and to subsequently develop mapping best practices guidelines to assist community-based agencies in circumventing some challenges, and support information equity across a region.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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