Knowledge Translation of Interprofessional Collaborative Patient-Centred Practice: The Working Together Project Experience
Notice bibliographique
Résumé
The Working Together (WT) project involved the design and delivery of an online learning resource for healthcare teams in long-term care (LTC) so that knowledge regarding interprofessional collaborative patient-centred practice (ICPCP) could be readily accessed and then transferred to the workplace. The purpose of this paper is to better understand the process of knowledge translation in continuing education for healthcare professionals by documenting our experiences using Lavis et al.’s (2003) organizing framework for knowledge transfer, and highlighting the impact this approach had on the design, development, delivery, and evaluation of the WT program. Fifty-nine pharmacists, physicians, nurses, and nurse practitioners from 17 LTC homes across Ontario, Canada participated in this project. The effectiveness of the knowledge translation of ICPCP through the WT project was evaluated using the Demand-Driven Learning Model (DDLM) evaluation tool (MacDonald, Breithaupt, Stodel, Farres, & Gabriel, 2002) to assess learners’ reactions to the learning resource. Data from quantitative pre-post surveys and qualitative interviews revealed that learners found using the WT online resource to be a satisfactory learning experience, obtained new knowledge and skills regarding ICPCP, transferred knowledge to the workplace, and reported that learning had a positive effect on the residents they cared for.
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 | 0,036 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,011 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».