MétaCan
Menu
Retour à la cohorte
Enregistrement W2161250716 · doi:10.1016/j.hcmf.2014.06.001

Improving the Performance of Interorganizational Networks for Preventing Chronic Disease: Identifying and Acting on Research Needs

2014· article· en· W2161250716 sur OpenAlexaff
Cameron D. Willis, Barbara Riley, S. Martin Taylor, Allan Best

Notice bibliographique

RevueHealthcare Management Forum · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensVancouver Coastal Health Research InstituteVancouver Coastal HealthImpactUniversity of VictoriaUniversity of British ColumbiaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésScholarshipCorporate governanceAction (physics)Knowledge managementValue (mathematics)Chronic diseaseProcess managementBusinessPublic relationsMedicineComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

This article describes the role of interorganizational networks in chronic disease prevention and an action research agenda for promoting understanding and improvement. Through a model of engaged scholarship, leaders with expertise and experience in chronic disease prevention networks helped shape research directions focused on network value, governance, and evolution. The guiding principles for facilitating this research include applying existing knowledge, developing network-appropriate methods and measures, creating structural change, promoting an impact orientation, and fostering cultural change.

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)0,069
score de la tête « metaresearch » (Gemma)0,109
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,364

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0690,109
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0060,006
Communication savante0,0110,019
Science ouverte0,0020,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,340
Tête enseignante GPT0,589
Écart entre enseignants0,248 · 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
DomaineMéthodes
GenreEmpirique

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

En bref

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetHealth Policy Implementation ScienceTravaux en français237 207