Evaluating health research impact: Development and implementation of the Alberta Innovates - Health Solutions impact framework
Notice bibliographique
Résumé
Alberta Innovates – Health Solutions (AIHS) is a Canadian-based, publicly funded, not-for-profit, provincial health research and innovation organization mandated to improve health, the health system, and socioeconomic well-being of Albertans through health research and innovation. Investments in health research are substantial and funders face increasing pressure to measure the impact of their investments and demonstrate ‘value for money’. However, measuring impact in this context is a challenge given the lack of agreement on a common approach or gold standard, diverse stakeholder interests, attribution issues, and time lags between investments and the realization of long-term impact. To address these issues and ideally optimize impact, AIHS developed and implemented an impact framework based on a model published by the Canadian Academy of Health Sciences (CAHS). The purpose of this article is to: (1) describe the evolution of the framework’s development and implementation; (2) summarize the results of tests undertaken to verify the suitability, feasibility, and applicability of the CAHS model to the AIHS context; and (3) present the AIHS framework, with discussion focused on the challenges of development and implementation, lessons learned and future plans for its ongoing development and implementation.
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 | 0,125 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».