CHSRF Knowledge Transfer: Organizational Value in Enhancing Individual Research Use Capacity: A Joint Evaluation Project led by EXTRA and SEARCH Canada
Notice bibliographique
Résumé
Evidence-informed decision-making supports high-quality, efficient healthcare. Programs such as SEARCH Classic (Swift Efficient Application of Research in Community Health) and EXTRA (Executive Training for Research Application) give health system decision-makers the skills and experience required to apply the best evidence to their work. But effectively leading change in how evidence comes to bear on the overall management and delivery of care requires strategies aimed at whole organizations and systems. The Canadian Health Services Research Foundation (CHSRF, EXTRA's managing organization) and SEARCH Canada (the SEARCH Classic program's managing organization) recently launched a jointly commissioned research study to assess organizational mechanisms and the impacts of these programs. Moving away from a focus on individual trainees and their immediate organizational connections, this evaluation builds on the evidence to date that leads to the hypothesis that a critical mass of highly educated, evidence-savvy decision-makers (senior executives in the case of EXTRA; middle- and front-line managers in the case of SEARCH Canada) enhance organizational capacity to use knowledge and ultimately lead to a more systematic use of evidence at the systems level (Champagne et al. 2008).
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 | 0,264 | 0,209 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,005 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».