Why (we think) facilitation works: insights from organizational learning theory
Notice bibliographique
Résumé
BACKGROUND: Facilitation is a guided interactional process that has been popularized in health care. Its popularity arises from its potential to support uptake and application of scientific knowledge that stands to improve clinical and managerial decision-making, practice, and ultimately patient outcomes and organizational performance. While this popular concept has garnered attention in health services research, we know that both the content of facilitation and its impact on knowledge implementation vary. The basis of this variation is poorly understood, and understanding is hampered by a lack of conceptual clarity. DISCUSSION: In this paper, we argue that our understanding of facilitation and its effects is limited in part by a lack of clear theoretical grounding. We propose a theoretical home for facilitation in organizational learning theory. Referring to extant literature on facilitation and drawing on theoretical literature, we discuss the features of facilitation that suggest its role in contributing to learning capacity. We describe how facilitation may contribute to generating knowledge about the application of new scientific knowledge in health-care organizations. Facilitation's promise, we suggest, lies in its potential to stimulate higher-order learning in organizations through experimenting with, generating learning about, and sustaining small-scale adaptations to organizational processes and work routines. The varied effectiveness of facilitation observed in the literature is associated with the presence or absence of factors known to influence organizational learning, since facilitation itself appears to act as a learning mechanism. We offer propositions regarding the relationships between facilitation processes and key organizational learning concepts that have the potential to guide future work to further our understanding of the role that facilitation plays in learning and knowledge generation.
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 | 0,021 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,034 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».