Applying a ‘stages of change’ model to enhance a traditional evaluation of a research transfer course
Notice bibliographique
Résumé
The aim of this study was to utilize an evaluation tool based on Prochaska's model of change in order to assess behaviour change as part of an evaluation process for a research transfer training programme (RTTP). The RTTP was a training programme offered to scientists in a psychiatry department and research institute to gain skills in research transfer. In addition to a traditional course evaluation framework evaluating overall satisfaction with the course and whether or not learning objectives were met, an additional 'stages of change' evaluation tool designed to assess change along a continuum was utilized. This instrument measured change in participants' attitudes, intentions and actions with respect to research transfer practice and consisted of a 12-question survey completed by participants prior to taking the course and 3 months post-course. In two out of the three categories, attitudes and intention to practice, there was positive change from pre- to post-course (P < 0.05). Although there was a trend of increased RT-related action, this was less robust and did not reach significance. For the RTTP transfer course, a 'stages of change' model of evaluation provided an enhanced understanding by showing changes in participants that would otherwise have been overlooked if only changes in RT behaviour were measured. Additionally, evaluating along a change continuum specifically identifies areas for improvement in future courses. The instrument developed for this study could also be used as a pre-course, participant needs assessment to tailor a course to the change needs of participants. Finally, this 'stages of change' approach provides insight into where barriers to change may exist for research transfer action.
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 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 | 0,312 | 0,235 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes 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 ».