Integrated knowledge translation: digging deeper, moving forward
Notice bibliographique
Résumé
BACKGROUND: Integrated knowledge translation has risen in popularity as a solution to the underuse of research in policy and practice settings. It engages knowledge users-policymakers, practitioners, patients/consumers or their advocates, and members of the wider public-in mutually beneficial research that can involve the joint development of research questions, data collection, analysis and dissemination of findings. Knowledge that is co-produced has a better chance of being implemented. DISCUSSION: The purpose of this paper is to update developments in the field of integrated knowledge translation through a deeper analysis of the approach in practice-oriented and policy-oriented health research. We present collaborative models that fall outside the scope of integrated knowledge translation, but then explore consensus-based approaches and networks as alternate sites of knowledge co-production. We discuss the need to advance the field through the development, or use, of data collection and interpretation tools that creatively engage knowledge users in the research process. Most importantly, conceptually relevant outcomes need to be identified, including ones that focus on team transformation through the co-production of knowledge. CONCLUSIONS: We explore some of these challenges and benefits in detail to help researchers understand what integrated knowledge translation means, and whether the approach's potential added value is worth the investment of time, energy and other resources.
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 | 0,082 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,014 |
| Communication savante | 0,015 | 0,038 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,011 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».