North–south collaboration and capacity development in global health research in low- and middle-income countries – the ARCADE projects
Notice bibliographique
Résumé
BACKGROUND: Research capacity enhancement is needed in low- and middle-income countries (LMICs) for improved health, wellbeing, and health systems' development. In this article, we discuss two capacity-building projects, the African/Asian Regional Capacity Development (ARCADE) in Health Systems and Services Research (HSSR) and Research on Social Determinants of Health (RSDH), implemented from 2011 to 2015. The two projects focussed on providing courses in HSSR and social determinants of health research, and on developing collaborations between universities, along with capacity in LMIC universities to manage research grant submissions, financing, and reporting. Both face-to-face and sustainable online teaching and learning resources were used in training at higher postgraduate levels (Masters and Doctoral level). DESIGN: We collated project meeting and discussion minutes along with project periodic reports and deliverables. We extracted key outcomes from these, reflected on these in discussions, and summarised them for this paper. RESULTS: Nearly 55 courses and modules were developed that were delivered to over 920 postgraduate students in Africa, Asia, and Europe. Junior researchers were mentored in presenting, developing, and delivering courses, and in preparing research proposals. In total, 60 collaborative funding proposals were prepared. The consortia also developed institutional capacity in research dissemination and grants management through webinars and workshops. DISCUSSION: ARCADE HSSR and ARCADE RSDH were comprehensive programmes, focussing on developing the research skills, knowledge, and capabilities of junior researchers. One of the main strengths of these programmes was the focus on network building amongst the partner institutions, where each partner brought skills, expertise, and diverse work cultures into the consortium. Through these efforts, the projects improved both the capacity of junior researchers and the research environment in Africa, Asia, and Europe.
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 | 0,132 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,003 | 0,043 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».