A description of a knowledge broker role implemented as part of a randomized controlled trial evaluating three knowledge translation strategies
Notice bibliographique
Résumé
BACKGROUND: A knowledge broker (KB) is a popular knowledge translation and exchange (KTE) strategy emerging in Canada to promote interaction between researchers and end users, as well as to develop capacity for evidence-informed decision making. A KB provides a link between research producers and end users by developing a mutual understanding of goals and cultures, collaborates with end users to identify issues and problems for which solutions are required, and facilitates the identification, access, assessment, interpretation, and translation of research evidence into local policy and practice. Knowledge-brokering can be carried out by individuals, groups and/or organizations, as well as entire countries. In each case, the KB is linked with a group of end users and focuses on promoting the integration of the best available evidence into policy and practice-related decisions. METHODS: A KB intervention comprised one of three KTE interventions evaluated in a randomized controlled trial. RESULTS: KB activities were classified into the following categories: initial and ongoing needs assessments; scanning the horizon; knowledge management; KTE; network development, maintenance, and facilitation; facilitation of individual capacity development in evidence informed decision making; and g) facilitation of and support for organizational change. CONCLUSION: As the KB role developed during this study, central themes that emerged as particularly important included relationship development, ongoing support, customized approaches, and opportunities for individual and organizational capacity development. The novelty of the KB role in public health provides a unique opportunity to assess the need for and reaction to the role and its associated activities. Future research should include studies to evaluate the effectiveness of KBs in different settings and among different health care professionals, and to explore the optimal preparation and training of KBs, as well as the identification of the personality characteristics most closely associated with KB effectiveness. Studies should also seek to better understand which combination of KB activities are associated with optimal evidence-informed decision making outcomes, and whether the combination changes in different settings and among different health care decision makers.
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 | 0,104 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,009 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,003 |
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 ».