Health Research Funding Agencies' Support and Promotion of Knowledge Translation: An International Study
Notice bibliographique
Résumé
CONTEXT: The process of knowledge translation (KT) in health research depends on the activities of a wide range of actors, including health professionals, researchers, the public, policymakers, and research funders. Little is known, however, about health research funding agencies' support and promotion of KT. Our team asked thirty-three agencies from Australia, Canada, France, the Netherlands, Scandinavia, the United Kingdom, and the United States about their role in promoting the results of the research they fund. METHODS: Semistructured interviews were conducted with a sample of key informants from applied health funding agencies identified by the investigators. The interviews were supplemented with information from the agencies' websites. The final coding was derived from an iterative thematic analysis. FINDINGS: There was a lack of clarity between agencies as to what is meant by KT and how it is operationalized. Agencies also varied in their degree of engagement in this process. The agencies' abilities to create a pull for research findings; to engage in linkage and exchange between agencies, researchers, and decision makers; and to push results to various audiences differed as well. Finally, the evaluation of the effectiveness of KT strategies remains a methodological challenge. CONCLUSIONS: Funding agencies need to think about both their conceptual framework and their operational definition of KT, so that it is clear what is and what is not considered to be KT, and adjust their funding opportunities and activities accordingly. While we have cataloged the range of knowledge translation activities conducted across these agencies, little is known about their effectiveness and so a greater emphasis on evaluation is needed. It would appear that "best practice" for funding agencies is an elusive concept depending on the particular agency's size, context, mandate, financial considerations, and governance structure.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Métarecherche Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,291 | 0,351 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,017 |
| Études des sciences et des technologies | 0,010 | 0,014 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».