A model for collaborative evaluation of university-community partnerships
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Manitoba's The Need to Know project was presented with a unique opportunity to develop a collaborative approach to evaluation, and to explore the effectiveness of a variety of evaluation methods for assessment of university-community collaborative health research partnerships. OBJECTIVES: The evaluation was designed to incorporate participation of community partners in planning, developing, and evaluating all aspects of the project. Objectives included: (a) assessment of extent to which the project met its initial objectives; (b) assessment of extent participants needs and expectations were met; (c) refinement of evaluation questions; (d) identification of unanticipated impacts; (e) assessment of participant confidence as research team members; (f) development of knowledge translation theory; and (g) component analysis. METHODS: A "utilisation focused" approach was used. Primary stakeholders identified evaluation questions of concern, and how findings would be used. The multimethod time series design incorporated key informant interviews, a pre/post-test survey, written workshop evaluations, and participant and unobtrusive observation. All aspects of the evaluation were made transparent to participants, and formal feedback processes were instituted. RESULTS: There was a high level of participation in evaluation activities. Identifying evaluation questions of concern to community partners helped shape project development. While all methods provided useful information, only key informant interviews, participant observation and feedback processes provided insights into all evaluation objectives. CONCLUSION: Collaborative evaluation can make an important contribution to development of university-community partnerships. Qualitative methods (particularly key informant interviews, participant observation, and feedback processes) provided the richest source of data, and made an important contribution to team development.
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.
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 | 0,138 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle