MétaCan
Menu
Retour à la cohorte
Enregistrement W2185076593 · doi:10.1044/2015_jslhr-l-15-0302

Implementation Science: Buzzword or Game Changer?

2015· review· en· W2185076593 sur OpenAlexaff
Natalie Douglas, Wenonah Campbell, Jacqueline Hinckley

Notice bibliographique

RevueJournal of Speech Language and Hearing Research · 2015
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTerminologyGeneral partnershipCompetence (human resources)AccountabilityKnowledge managementComputer scienceEngineering ethicsMedical educationManagement sciencePublic relationsPsychologyMedicinePolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of this supplement article is to provide a resource of pertinent information concerning implementation science for immediate research application in communication sciences and disorders. METHOD: Key terminology related to implementation science is reviewed. Practical suggestions for the application of implementation science theories and methodologies are provided, including an overview of hybrid research designs that simultaneously investigate clinical effectiveness and implementation as well as an introduction to approaches for engaging stakeholders in the research process. A detailed example from education is shared to show how implementation science was utilized to move an intervention program for autism into routine practice in the public school system. In particular, the example highlights the value of strong partnership among researchers, policy makers, and frontline practitioners in implementing and sustaining new evidence-based practices. CONCLUSIONS: Implementation science is not just a buzzword. This is a new field of study that can make a substantive contribution in communication sciences and disorders by informing research agendas, reducing health and education disparities, improving accountability and quality control, increasing clinician satisfaction and competence, and improving client outcomes.

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)0,059
score de la tête « metaresearch » (Gemma)0,160
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,314

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0590,160
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,006
Communication savante0,0090,010
Science ouverte0,0040,005
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0230,005

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 Opus0,921
Tête enseignante GPT0,823
Écart entre enseignants0,098 · 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'étudeSans objet
DomaineMéthodes
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

Citations57
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Speech Language and Hearing ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207