MétaCan
Menu
Retour à la cohorte
Enregistrement W2122513069 · doi:10.1186/1748-5908-6-98

Creating a knowledge translation trainee collaborative: from conceptualization to lessons learned in the first year

2011· article· en· W2122513069 sur OpenAlexafffundabout
Robin Urquhart, Vivian Chan, Ryan DeForge, Heather Colquhoun, Shannon L. Sibbald, Holly O. Witteman

Notice bibliographique

RevueImplementation Science · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityWestern UniversityDalhousie UniversityOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesInstitute of Health Services and Policy ResearchNational Cancer InstituteCanadian Institutes of Health ResearchUniversity of Toronto
Mots-clésConceptualizationKnowledge translationMedical educationDiversity (politics)MedicineHealth services researchHealth informaticsPublic healthKnowledge managementNursingSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Trainees (e.g., graduate students, residents, fellows) are increasingly identifying knowledge translation as their research discipline. In Canada, a group of trainees have created a trainee-initiated and trainee-led national collaborative to provide a vehicle for trainees to examine the diversity of knowledge translation research and practice, and to link trainees from diverse geographical areas and disciplines. The aim of this paper is to describe our experience and lessons learned in creating the Knowledge Translation Trainee Collaborative. In this meeting report, we outline the process, challenges, and opportunities in planning and experiencing the collaborative's inaugural meeting as participant organizers, and present outcomes and learnings to date.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,449
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,865
Tête enseignante GPT0,730
Écart entre enseignants0,134 · 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 tête enseignante, pas un consensus.

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

Citations11
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207