MétaCan
Menu
Retour à la cohorte
Enregistrement W2093403235 · doi:10.12927/hcq.2013.22381

Strategic Approach to Building Research Capacity in Inter-professional Education and Collaboration

2011· article· en· W2093403235 sur OpenAlexaffabout
Esther Suter, Jana Lait, Laura MacDonald, Pamela Wener, Rebecca M. Law, Hossein Khalili, Patricia McCarthy

Notice bibliographique

RevueHealthcare Quarterly · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésGlobeHealthcare deliveryBest practiceCapacity buildingHealth careBusinessPublic relationsProfessional developmentHealth professionalsKnowledge managementMedical educationMedicinePolitical scienceManagementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to describe the process used to initiate research capacity building in a community of practice (CoP) focused on the research and evaluation of inter-professional education and collaboration. This CoP, composed of members from across Canada, is a committee of the Canadian Interprofessional Health Collaborative (CIHC), a national collaborative that aims to advance inter-professional education and collaboration in healthcare. The committee mapped recommendations that emerged from a number of CIHC reports onto a research capacity building framework. The expertise of the diverse members in conjunction with this unique mapping process allowed the committee to identify its long-term research and evaluation objectives and strategies. This resulted in the formation of three working groups, each tasked with activities that contribute to the committee's overall goal of building research capacity in inter-professional education and collaboration. A framework provides a structured approach to identifying research and evaluation priorities and objectives. Furthermore, the process of applying the framework engages the committee members in determining the course of action. The process can be easily transferred to other areas in need of research capacity building.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,459
Tête enseignante GPT0,516
Écart entre enseignants0,057 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetHealth and Medical Research ImpactsTravaux en français237 207