Moving knowledge about family violence into public health policy and practice: a mixed method study of a deliberative dialogue
Notice bibliographique
Résumé
BACKGROUND: There is a need to understand scientific evidence in light of the context within which it will be used. Deliberative dialogues are a promising strategy that can be used to meet this evidence interpretation challenge. METHODS: We evaluated a deliberative dialogue held by a transnational violence prevention network. The deliberative dialogue included researchers and knowledge user partners of the Preventing Violence Across the Lifespan (PreVAiL) Research Network and was incorporated into a biennial full-team meeting. The dialogue included pre- and post-meeting activities, as well as deliberations embedded within the meeting agenda. The deliberations included a preparatory plenary session, small group sessions and a synthesizing plenary. The challenge addressed through the process was how to mobilize research to orient health and social service systems to prevent family violence and its consequences. The deliberations focused on the challenge, potential solutions for addressing it and implementation factors. Using a mixed-methods approach, data were collected via questionnaires, meeting minutes, dialogue documents and follow-up telephone interviews. RESULTS: Forty-four individuals (all known to each other and from diverse professional roles, settings and countries) participated in the deliberative dialogue. Ten of the 12 features of the deliberative dialogue were rated favourably by all respondents. The mean behavioural intention score was 5.7 on a scale from 1 (strongly disagree) to 7 (strongly agree), suggesting that many participants intended to use what they learned in their future decision-making. Interviews provided further insight into what might be done to facilitate the use of research in the violence prevention arena. CONCLUSION: Findings suggest that participants will use dialogue learnings to influence practice and policy change. Deliberative dialogues may be a viable strategy for collaborative sensemaking of research related to family violence prevention, and other public health topics.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».