Notice bibliographique
Résumé
To achieve greater societal impact within a highly competitive charitable marketplace, the four major, national, injury prevention organisations have decided to collaborate toward the following purposes: Long-term goal To save more lives and prevent more potentially life-altering injuries in Canada. Medium-term objective To raise awareness and to facilitate attitudinal and behavioural shifts among the organisations respective target populations, in partnership with their natural allies, of best practices in preventing injuries, and injury-related deaths in Canada. Short-term output The development of recommendations, an implementation plan and supporting documentation for a game changer that will build their capacity as individual organisations to promote more effective and efficient strategies and programming. Seek better ways and means to identify, integrate and approve the collaborative delivery of: ▶ knowledge creation, synthesis and transfer ▶ stakeholder engagement ▶ fund development ▶ marketing. This presentation will share the outcomes of phase I of the study in terms of defining the ideal inputs and outputs, catalogue these inputs and outputs in relation to the sponsoring organisations, describe what is unique about those inputs and outputs among the sponsoring organisations and what is shared by two or more of them, project and outline the benefits that the collaborative delivery of the function could bring, advance recommendations for amending existing processes, or introduce new ones for more suitably identifying, overseeing, managing and assessing future shared initiatives within each function, describe one or more approaches for resourcing such collaborative processes on a go-forward basis, propose a strategic or 3-year outlook for the frameworks operation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».