How Do Clinicians Learn About Knowledge Translation? An Investigation of Current Web-Based Learning Opportunities
Notice bibliographique
Résumé
BACKGROUND: Clinicians are important stakeholders in the translation of well-designed research evidence into clinical practice for optimal patient care. However, the application of knowledge translation (KT) theories and processes may present conceptual and practical challenges for clinicians. Online learning platforms are an effective means of delivering KT education, providing an interactive, time-efficient, and affordable alternative to face-to-face education programs. OBJECTIVE: This study investigates the availability and accessibility of online KT learning opportunities for health professionals. It also provides an analysis of the types of resources and associated disciplines retrieved by a range of KT synonyms. METHODS: We searched a range of bibliographic databases and the Internet (Google advanced option) using 9 KT terms to identify online KT learning resources. To be eligible, resources had to be free, aimed at clinicians, educational in intent, and interactive in design. Each term was searched using two different search engines. The details of the first 100 websites captured per browser (ie, n=200 results per term) were entered into EndNote. Each site was subsequently visited to determine its status as a learning resource. Eligible websites were appraised for quality using the AACODS (Authority, Accuracy, Coverage, Objectivity, Date, Significance) tool. RESULTS: We identified 971 unique websites via our multiple search strategies. Of these, 43 were health-related and educational in intent. Once these sites were evaluated for interactivity, a single website matched our inclusion criteria (Dementia Knowledge Translation Learning Centre). CONCLUSIONS: KT is an important but complex system of processes. These processes overlap with knowledge, practice, and improvement processes that go by a range of different names. For clinicians to be informed and competent in KT, they require better access to free learning opportunities. These resources should be designed from the viewpoint of the clinician, presenting KT's multifaceted theories and processes in an engaging, interactive way. This learning should empower clinicians to contextualize and apply KT strategies within their own care settings.
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 | 0,052 | 0,284 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,013 | 0,021 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».