Cross-sector learning among researchers and policy-makers: the search for new strategies to enable use of research results
Notice bibliographique
Résumé
This paper assesses the preliminary results of a research funding strategy that alters the structure and process of research by requiring interaction between researchers and policy-makers. The five research teams focused on different aspects of expanding social protection in health in Latin America and the Caribbean. Preliminary results revealed negotiation of the research questions at the start of the process, influencing not only the project design, but the decision-makers' ways of thinking about the problem as well. As the projects advanced, turnover among government officials on four of the teams impaired the process. However, for the one team that escaped re-composition, the interaction has led to use of data in decision-making, as well as a clear recognition by both parties that different kinds of evidence were at play. The process highlighted the importance of stimulating systems of learning in which multiple kinds of knowledge interact. This interaction may be a more realistic expectation of such initiatives than the original goal of "transferring" research knowledge to policy and practice.
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 | 0,587 | 0,520 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,019 | 0,033 |
| Communication savante | 0,048 | 0,048 |
| Science ouverte | 0,007 | 0,071 |
| Intégrité de la recherche | 0,015 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».