MétaCan
Menu
Retour à la cohorte
Enregistrement W2118633278 · doi:10.1186/s13012-014-0176-y

Research funder required research partnerships: a qualitative inquiry

2014· article· en· W2118633278 sur OpenAlexafffundabout
Shannon L. Sibbald, Jacqueline Tetroe, Ian D. Graham

Notice bibliographique

RevueImplementation Science · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensUniversity of OttawaCanadian Institutes of Health ResearchWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésHealth services researchMedicineQualitative researchPublic healthHealth administrationHealth informaticsMedical educationNursingSociologySocial science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Researchers and funding agencies are increasingly showing interest in the application of research findings and focusing attention on engagement of knowledge-users in the research process as a means of increasing the uptake of research findings. The expectation is that research findings derived from these researcher-knowledge-user partnerships will be more readily applied when they became available. The objective of this study was to investigate the experiences, perceived barriers, successes, and opinions of researchers and knowledge-users funded under the Canadian Institutes of Health Research's integrated Knowledge Translation funding opportunities for a better understanding of these collaborations. METHODS: Participants, both researchers and knowledge-users, completed an online survey followed by an individual semi-structured phone interview supporting a mixed methods study. The interviews were analyzed qualitatively using a modified grounded theory approach. RESULTS: Survey analysis identified three major partnership types: token, asymmetric, and egalitarian. Interview analysis revealed trends in perceived barriers and successes directly related to the partnership formation and style. While all partnerships experienced barriers, token partnerships had the most challenges and general poor perception of partnerships. The majority of respondents found that common goals and equality in partnerships did not remove barriers but increased participants' ability to look for solutions. CONCLUSIONS: We learned of effective mechanisms and strategies used by researchers and knowledge-users for mitigating barriers when collaborating. Funders could take a larger role in helping facilitate, nurture, and sustain the partnerships to which they award grants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,050
score de la tête « metaresearch » (Gemma)0,067
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil0,265

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,067
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0140,009
Communication savante0,0070,009
Science ouverte0,0030,012
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,966
Tête enseignante GPT0,793
Écart entre enseignants0,173 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineIncitatifs
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

Citations112
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetMental Health and Patient InvolvementTravaux en français237 207