MétaCan
Menu
Retour à la cohorte
Enregistrement W2161580998 · doi:10.1186/1748-5908-5-78

The trainees' perspective on developing an end-of-grant knowledge translation plan

2010· article· en· W2161580998 sur OpenAlexafffundabout
Brenda Leung, Cristina Catallo, Natalie D. Riediger, Naomi E. Cahill, Monika Kastner

Notice bibliographique

RevueImplementation Science · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiomedical Text Mining and Ontologies
Établissements canadiensUniversity of TorontoUniversity of ManitobaQueen's UniversityToronto Metropolitan UniversityUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchFondation pour la Recherche MédicaleEuropean Observatory on Health Systems and Policies
Mots-clésKnowledge translationMedicinePlan (archaeology)CraftPerspective (graphical)Process (computing)Medical educationDeveloping countryHealth informaticsHealth services researchKnowledge managementNursingPublic healthComputer scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Knowledge translation (KT) is a rapidly growing field that is becoming an integral part of research protocols. METHODS: This meeting report describes one group's experience at the 2009 KT Canada Summer Institute in developing an end-of-grant KT plan for a randomized control trial proposal. RESULTS: Included is a discussion of the process, challenges, and recommendations from the trainee's perspective in developing an end-of-grant KT plan. CONCLUSION: New researchers should consider developing an end-of-grant KT plan with strategies that move beyond passive dissemination to incorporate innovative means of collaboration with the end user to craft the message, package the information, and share the research findings with end users.

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)0,241
score de la tête « metaresearch » (Gemma)0,216
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,759
Score d'incertitude au seuil0,937

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2410,216
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,017
Communication savante0,0240,015
Science ouverte0,0070,022
Intégrité de la recherche0,0270,035
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,467
Écart entre enseignants0,338 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineIncitatifs
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

Citations13
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetBiomedical Text Mining and OntologiesTravaux en français237 207