MétaCan
Menu
Retour à la cohorte
Enregistrement W2153743208 · doi:10.12927/hcpap..17126

Evidence-Based Practice in Steeltown: A Good Start on Needed Cultural Change

2003· letter· en· W2153743208 sur OpenAlexaffvenueabout

Notice bibliographique

RevueA Nudge Too Far? A Nudge at All? On Paying People to Be Healthy · 2003
Typeletter
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensCanadian Foundation for Healthcare Improvement
Organismes subventionnairesnon disponible
Mots-clésPublic relationsTacit knowledgeNegotiationMarshallingPoliticsSociologyHealth careHealth policyPolitical scienceKnowledge managementSocial scienceLawComputer science

Résumé

récupéré en direct d'OpenAlex

At the Canadian Health Services Research Foundation we talk a lot about the need to improve the 'receptor capacity' for research in the health sector (Canadian Health Services Research Foundation 2000). To create a demand for research as well as a supply of it. To encourage and assist clinicians, managers and policymakers in the health system to pull research from academe with as much fervor as applied researchers now bring to publishing it. Browman, Snider and Ellis have done more than talk about and encourage these things - they have implemented them at their own workplace in Hamilton. Their formula is:1. Design a policy-learning forum (Clinical Policy Committee'), where the use of available research is encouraged and expected 2. Create champions (knowledge stewards') responsible for marshalling and presenting the evidence. 3. Provide rules (negotiation') for the dialogue between the operational implications of the research and its budgetary reality. 4. Use story telling to uncover local implementation barriers and make tacit knowledge explicit. The approach is reminiscent of political scientist Paul Sabatier's description of the circumstances under which policy learning occurs (Sabatier and Jenkins-Smith 1993) and Brown and Duguid's compelling outline of how information permeates corporate structures (Brown and Duguid 2000). Sabatiers advocacy coalition framework highlights the optimal conditions for learning as: balanced coalitions (in this case, of those behind the research and those behind the finances), enough resources for each side to produce a steady flow of information, an organized forum for debate and clear rules of engagement. In 'The Social Life of Information, 'Brown and Duguid highlight the extent to which modern corporations often leave unrecognized and under-utilized their greatest asset - the tacit knowledge accumulated by each employee over his or her career. They, too, recommend storytelling as a way to liberate this knowledge for wider use. Browman and colleagues 'practical realization of Sabatier' advocacy coalition framework and Browns social view of information is refreshing on a number of levels.

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)0,183
score de la tête « metaresearch » (Gemma)0,163
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil0,966

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1830,163
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0060,005
Études des sciences et des technologies0,0180,056
Communication savante0,0320,037
Science ouverte0,0110,031
Intégrité de la recherche0,0390,060
Charge utile insuffisante (le modèle a refusé de juger)0,0200,005

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 Opus0,479
Tête enseignante GPT0,507
Écart entre enseignants0,028 · 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'étudeSans objet
DomaineMéthodes
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2003
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueA Nudge Too Far? A Nudge at All? On Paying People to Be HealthyMême sujetEvaluation and Performance AssessmentTravaux en français237 207