MétaCan
Menu
Retour à la cohorte
Enregistrement W2108050189 · doi:10.1177/1049732312438967

Understanding the Role of Communities of Practice in Evidence-Informed Decision Making in Public Health

2012· article· en· W2108050189 sur OpenAlexafffundabout
Donna Meagher‐Stewart, Shirley M. Solberg, Grace Warner, Jo-Ann MacDonald, Charmaine McPherson, Patricia Seaman

Notice bibliographique

RevueQualitative Health Research · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of New BrunswickUniversity of Prince Edward IslandMemorial University of NewfoundlandSt. Francis Xavier UniversityDalhousie University
Organismes subventionnairesCanadian Institutes of Health ResearchPublic Health Agency of Canada
Mots-clésTacit knowledgeCommunity of practicePsychologyQualitative researchPublic relationsKnowledge managementMedical educationSociologyMedicinePolitical sciencePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

In this article we report on qualitative findings that describe public health practitioners' practice-based definitions of evidence-informed decision making (EIDM) and communities of practice (CoP), and how CoP could be a mechanism to enhance their capacity to practice EIDM. Our findings emerged from a qualitative descriptive analysis of group discussions and participant concept maps from two consensus-building workshops that were conducted with public health practitioners (N = 90) in two provinces in eastern Canada. Participants recognized the importance of EIDM and the significance of integrating explicit and tacit evidence in the EIDM process, which was enhanced by CoP. Tacit knowledge, particularly from peers and personal experience, was the preferred source of knowledge, with informal peer interactions being the favored form of CoP to support EIDM. CoP helped practitioners build relationships and community capacity, share and create knowledge, and build professional confidence and critical inquiry. Participants described individual and organizational attributes that were needed to enable CoP and EIDM.

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)0,218
score de la tête « metaresearch » (Gemma)0,077
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2180,077
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,982
Tête enseignante GPT0,842
Écart entre enseignants0,140 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations49
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207