Knowledge Mobilization in Ontario: A Multi-case Study of Education Organizations
Notice bibliographique
Résumé
In recent decades, there has been growing interest among governments and research funders to mobilize knowledge and strengthen evidence-informed decision-making. Knowledge mobilization (KMb), the process of connecting research to policy and practice, is about individual and organization-level efforts to increase the use of research findings by education stakeholders such as policymakers, practitioners and the public. Using a multi-case design (Stake, 2006; Yin, 2014;), this study draws from the KMb literature, examines the contextual factors affecting organizational KMb (social and political context, mission, culture, and capacity) and analyzes the KMb approaches and activities in organizations (purpose, evidence production, target audience, strategies, mediation, impact, and challenges). The sample consists of four different education organizations within the province of Ontario, Canada: a university (York University), an urban school board (Toronto District School Board), a professional teacher organization (Ontario College of Teachers), and a non-profit (People for Education). Data sources include publicly available documents on organizational websites (e.g., products, events, networks, and capacity-building). Key informant interviews (N =18) were conducted with senior leadership and researchers in order to gain insight into the KMb approaches and activities. Overall, the organizations differed greatly not only in their mission, culture and capacity for KMb, but, also, in their understanding of KMb. This study identified ten common challenges to KMb, which included limitations to the organizational culture and capacity for KMb, a misalignment between the strategic direction and organizational mandate, and a limited understanding of dissemination mechanisms. Altogether, measures of impact were found to be weak across the cases. The study makes recommendations for strengthening KMb efforts in organizations and across the education sector. The results may help educators, researchers and policymakers understand how to develop and enhance efforts to mobilize research knowledge.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,027 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».