Use of systematic literature reviews in Canadian government departments: Where do we need to go?
Notice bibliographique
Résumé
Abstract The article reports on ongoing reflections on how to improve the structures and processes by which relevant research findings produced outside Canadian government departments (for example, in universities, think tanks or other research institutions) can be more effectively found, assessed for potential biases, synthesized and disseminated to provide support to government analysts, advisers and decision makers. The focus is on how to structure and routinize research use by government analysts and advisers within a large Canadian department that has a strategic research directorate and many program divisions. Our starting point is the current situation where literature reviews that are produced and used by government analysts and advisers do not correspond to the systematic review standards. We discuss four alternative models. In two models, the whole production process would be controlled from within the department. In the other two models, external actors such as university‐based teams or independent non‐governmental evidence centres would carry the leadership in producing those reviews.
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 | 0,618 | 0,765 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,036 | 0,064 |
| Études des sciences et des technologies | 0,016 | 0,028 |
| Communication savante | 0,047 | 0,026 |
| Science ouverte | 0,016 | 0,017 |
| Intégrité de la recherche | 0,011 | 0,012 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».