Towards better measures of research utilization: a collaborative study in Canada and Sweden
Notice bibliographique
Résumé
AIMS: This paper is a report of a study examining research utilization in nursing. The specific aims were to (1) clarify the construct of research utilization, and (2) identify observable indicators of research utilization. BACKGROUND: Robust measures of research utilization do not exist despite steadily increasing numbers of studies in the field. One reason for this is theoretical confusion surrounding the central concepts in the field. METHOD: A qualitative (focus group) design was used to explore the construct of research utilization in two countries: Canada and Sweden. A systematic and sequential (three phases) approach to expert sampling framed the study. Phase 1 consisted of initial construct clarification by the research team (2005). In Phase 2, a face-to-face meeting with a panel of international research utilization nursing experts was held (2005). Phase 3 consisted of a series of focus groups with nursing care (direct and non-direct) providers (2005-2007). Data were analysed using content analysis. FINDINGS: The nursing care providers did not commonly use the term 'research utilization'. Several examples of research utilization were provided; a majority of these examples related to instrumental research utilization and became increasingly concrete as one moved from non-direct to direct care participants. Participants identified several indicators of research utilization (instrumental and conceptual). From these indicators, a measurement schematic was derived. CONCLUSIONS: The construct of research utilization is multi-faceted. Several indicators of research utilization were identified, which can be used to augment existing or develop a new and improved measure that taps both instrumental and conceptual use.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».