More Than "Using Research": The Real Challenges in Promoting Evidence-Informed Decision-Making
Notice bibliographique
Résumé
OBJECTIVES AND METHODS: Seventeen focus groups and 53 semi-structured individual interviews involving 205 planners and decision-makers were conducted in all 11 Regional Health Authorities (RHAs) in the province of Manitoba, Canada. Objectives were to explore perspectives on the nature and use of "evidence," and barriers to evidence-informed decision-making (EIDM). RESULTS: In spite of almost universal support in principle for using evidence in decision-making, there was little consensus among participants on what evidence is, what kind of evidence is most appropriate and how "using evidence" can best be demonstrated. Significant skepticism about EIDM was expressed. Issues related to workload, politicized decision-making and organizational factors dominated the discussion of decision-makers. Barriers to EIDM were commonly attributed to factors external to the RHAs. CONCLUSION: Effective strategies to promote EIDM must address the multiple barriers experienced by decision-makers in a complex decision-making environment. Rather than simply focusing on issues of access to evidence or development of individual capacity, strategies must focus on changing decision-making processes to support appropriate use of evidence.
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 | 0,512 | 0,454 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,020 | 0,099 |
| Communication savante | 0,050 | 0,041 |
| Science ouverte | 0,007 | 0,019 |
| Intégrité de la recherche | 0,019 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».