MétaCan
Menu
Retour à la cohorte
Enregistrement W2159167767 · doi:10.1186/1748-5908-8-7

Knowledge brokers in a knowledge network: the case of Seniors Health Research Transfer Network knowledge brokers

2013· review· en· W2159167767 sur OpenAlexafffund
James Conklin, Elizabeth Lusk, Megan Harris, Paul Stolee

Notice bibliographique

RevueImplementation Science · 2013
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensResearch Institute for AgingUniversity of WaterlooAlzheimer Society of CanadaWestern UniversityBruyère
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésKnowledge managementKnowledge transferTacit knowledgeAffordanceSet (abstract data type)Computer scienceSensemakingEmbeddednessKnowledge translationSociologyHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The purpose of this paper is to describe and reflect on the role of knowledge brokers (KBs) in the Seniors Health Research Transfer Network (SHRTN). The paper reviews the relevant literature on knowledge brokering, and then describes the evolving role of knowledge brokering in this knowledge network. METHODS: The description of knowledge brokering provided here is based on a developmental evaluation program and on the experiences of the authors. Data were gathered through qualitative and quantitative methods, analyzed by the evaluators, and interpreted by network members who participated in sensemaking forums. The results were fed back to the network each year in the form of formal written reports that were widely distributed to network members, as well as through presentations to the network's members. RESULTS: The SHRTN evaluation and our experiences as evaluators and KBs suggest that a SHRTN KB facilitates processes of learning whereby people are connected with tacit or explicit knowledge sources that will help them to resolve work-related challenges. To make this happen, KBs engage in a set of relational, technical, and analytical activities that help communities of practice (CoPs) to develop and operate, facilitate exchanges among people with similar concerns and interests, and help groups and individuals to create, explore, and apply knowledge in their practice. We also suggest that the role is difficult to define, emergent, abstract, episodic, and not fully understood. CONCLUSIONS: The KB role within this knowledge network has developed and matured over time. The KB adapts to the social and technical affordances of each situation, and fashions a unique and relevant process to create relationships and promote learning and change. The ability to work with teams and to develop relevant models and feasible approaches are critical KB skills. The KB is a leader who wields influence rather than power, and who is prepared to adopt whatever roles and approaches are needed to bring about a valuable result.

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)0,038
score de la tête « metaresearch » (Gemma)0,059
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,201

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,059
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0260,021
Communication savante0,0170,023
Science ouverte0,0030,021
Intégrité de la recherche0,0070,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,874
Tête enseignante GPT0,780
Écart entre enseignants0,094 · 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'étudeQualitatif
DomaineÉvaluation
GenreSynthèse

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

En bref

Citations99
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207