Crosstalk: Public Cafés as Places for Knowledge Translation Concerning Health Care Research
Notice bibliographique
Résumé
This article explores the use of public cafés as a model for knowledge translation and community engagement. We base our discussion on a public café series organized around the theme of access to health care and held in three neighborhoods in the Lower Mainland of British Columbia, Canada. The cafés were part of the Canadian Institutes of Health Research Café Scientifique program. Our purposes for this series of cafés were threefold: (a) to provide a site of communication to connect research with members of the public, (b) to build a network among participants based on common connections to the local community, and (c) to explore through discussion how gendered and raced perspectives concerning access to health care may influence the lived experiences of Canadians today. We intended to promote an intergroup conversation, based on the assumption that people of First Nations descent, newcomers to Canada (whether through immigration or resettlement), and settlers (such as Euro-Canadians) would all benefit from hearing each other's perspectives on access to health care, as well as presentations by invited academics about their research on access to health care. A form of "crosstalk" emerged in the cafés, mediated by gender and ethnicity, where social differences and geographical distances between various groups were not easily bridged, and yet where opportunity was created for inclusive dialogic spaces. We conclude that knowledge translation is not easily accomplished with the café format, at least not with the type of critical knowledge we were aiming to translate and the depth of engagement we were hoping for. Our experiences highlighted three strategies that facilitate knowledge translation: relationships and shared goals; involvement of policymakers and decision makers; and tending to social relations of power.
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 | 0,038 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,028 | 0,023 |
| Communication savante | 0,021 | 0,017 |
| Science ouverte | 0,003 | 0,028 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,003 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».