MétaCan
Menu
Retour à la cohorte
Enregistrement W2731598255 · doi:10.1093/geroni/igx004.4879

THE TREAT SCALE: A REFLEXIVE TOOL FOR TRANSDISCIPLINARY WORKING IN AGING AND TECHNOLOGY RESEARCH

2017· article· en· W2731598255 sur OpenAlexaffabout
Alisa Grigorovich, Mei Lan Fang, Judith Sixsmith, Pia Kontos

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensSimon Fraser UniversityPublic Health OntarioToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésReflexivityBridging (networking)Scale (ratio)Presentation (obstetrics)PopularityKnowledge managementTransdisciplinarityAction researchPsychologyEngineering ethicsSociologyComputer scienceEngineeringMedicinePedagogySocial scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Adopting a transdisciplinary approach to the development of technologies to support older adults and their care partners is crucial to bridging research with policy and practice. Despite increased popularity of this approach, research evaluating transdisciplinary processes and outcomes remains limited due to an absence of evaluative tools. This presentation describes the development and validation of a new instrument: TREAT (Transdisciplinary Research Effectiveness in Aging and Technology) scale. Content areas were established through a scoping review resulting in four key themes: collaborative working practices, knowledge mobilization and exchange, integration and co-creation of knowledge, and action-oriented research. Subscale items were developed according to each theme. The overall structure, phrasing, and content validity of the TREAT were evaluated via consultation workshops with key stakeholders across Canada. Results suggest that the TREAT scale has significant potential for evaluating and improving transdisciplinary processes and outcomes for the field of aging and technology.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,439
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetTechnology Use by Older AdultsTravaux en français237 207