Writing peer-reviewed articles with diverse teams: considerations for novice scholars conducting community-engaged research
Notice bibliographique
Résumé
Given the growth of interdisciplinary and community-engaged health promotion research, it has become increasingly common to conduct studies in diverse teams. While there is literature to guide collaborative research proposal development, data collection and analysis, little has been written about writing peer-reviewed publications collaboratively in teams. This gap is particularly important for junior researchers who lead articles involving diverse and community-engaged co-authors. The purpose of this article is to present a series of considerations to guide novice researchers in writing for peer-reviewed publication with diverse teams. The following considerations are addressed: justifying the value of peer-reviewed publication with non-academic partners; establishing co-author roles that respect expertise and interest; clarifying the message and audience; using the article outline as a form of engagement; knowledge translation within and beyond the academy; and multiple strategies for generating and reviewing drafts. Community-engaged research often involves collaboration with communities that have long suffered a history of colonial and extractive research practices. Authentic engagement of these partners can be supported through research practices, including manuscript development, that are transparent and that honour the voices of all team members. Ensuring meaningful participation and diverse perspectives is key to transforming research relationships and sharing new insights into seemingly intractable health problems.
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 | 0,665 | 0,796 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,046 | 0,042 |
| Communication savante | 0,069 | 0,045 |
| Science ouverte | 0,014 | 0,048 |
| Intégrité de la recherche | 0,021 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,016 |
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 ».