Leadership in Community-Based Participatory Research: Individual to Collective
Notice bibliographique
Résumé
Multi-sector collaborative partnerships hold much promise in tackling seemingly intractable and complex social issues. However, they often encounter many challenges in achieving their goals. Leadership can play an important role in reducing the impact of factors that threaten a multi-sector partnership’s success. Community-based participatory research (CBPR) partnerships are collaborative and, in many cases, multi-sectored. While there is a developing literature and practice on multi-sector, collaborative partnerships, leadership in CBPR is relatively unexplored, especially at various partnership stages (i.e., formation, implementation, maintenance, and accomplishment of goal). Through the method of focused ethnography, we explored the research question “How is leadership exercised during the formation stage of a CBPR partnership?” Eighteen partners (government, community, and university sectors) were interviewed about the leadership during the formation stage of their partnership, and data were qualitatively content-analyzed. Partners explained that leadership was exercised during the formation stage through (1) individual characteristics, (2) actions, and (3) as a collective. Our findings illustrate that CBPR leadership shares many of the characteristics of traditional leadership and adapts them to support the collaborative process of CBPR, leading to a collective form of leadership. These findings have implications for the study and practice of CBPR leadership.
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 | 0,255 | 0,205 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,044 |
| Communication savante | 0,017 | 0,011 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».