Measuring the impact of health research
Notice bibliographique
Résumé
Measuring the decision-making impact of applied health research should constitute a core function for many research funders and research organizations. Different target audiences warrant different measures of impact. The target audiences for applied health research include the general public, patients (and their families), clinicians, managers (in hospitals, regional health authorities and health plans), research and development officers (in biotechnology firms) and public policy-makers (i.e. elected officials, political staff and civil servants). Making meaningful assessments within peer groups that fund or produce similar types of research knowledge for similar types of target audiences makes more sense than a one-size-fits-all approach to impact assessment. User-pull and interactive measures of impact (i.e. measures of cultural shifts that would facilitate the on-going use of research knowledge to inform decision-making) can supplement more traditional producer-push measures that assess researchers' active efforts to inform decision-making and the outcome of these efforts. Cultural shifts may include the creation of a research-attuned culture among decision-makers and a decision-relevant culture among researchers. Moving beyond whether research was used to examine how it was used is also important. Research knowledge may be used in instrumental, conceptual or symbolic ways. These actions, coupled with on-going refinements to the proposed assessment tool as research evidence evolves, would take us a long way towards assessment and accountability in the health sector.
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 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 | 0,281 | 0,559 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,021 | 0,014 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».