Research, public policymaking, and knowledge-translation processes: Canadian efforts to build bridges
Notice bibliographique
Résumé
Public policymakers must contend with a particular set of institutional arrangements that govern what can be done to address any given issue, pressure from a variety of interest groups about what they would like to see done to address any given issue, and a range of ideas (including research evidence) about how best to address any given issue. Rarely do processes exist that can get optimally packaged high-quality and high-relevance research evidence into the hands of public policymakers when they most need it, which is often in hours and days, not months and years. In Canada, a variety of efforts have been undertaken to address the factors that have been found to increase the prospects for research use, including the production of systematic reviews that meet the shorter term (but not urgent) needs of public policymakers and encouraging partnerships between researchers and policymakers that allow for their interaction around the tasks of asking and answering relevant questions. Much less progress has been made in making available research evidence to inform the urgent needs of public policymakers and in addressing attitudinal barriers and capacity limitations. In the future, knowledge-translation processes, particularly push efforts and efforts to facilitate user pull, should be undertaken on a sufficiently large scale and with a sufficiently rigorous evaluation so that robust conclusions can be drawn about their effectiveness.
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 | 0,263 | 0,289 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,020 | 0,024 |
| Études des sciences et des technologies | 0,027 | 0,026 |
| Communication savante | 0,028 | 0,017 |
| Science ouverte | 0,008 | 0,026 |
| Intégrité de la recherche | 0,014 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».