Researchers Supporting Schools to Improve Health: Influential Factors and Outcomes of Knowledge Brokering in the COMPASS Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Although schools are considered opportune settings for youth health interventions, a gap between school health research and practice exists. COMPASS, a longitudinal study of Ontario and Alberta secondary students and schools (2012-2021), used integrated knowledge translation to enhance schools' uptake of research findings. Schools received annual summaries of their students' health behaviors and suggestions for action, and were linked with COMPASS knowledge brokers to support them in making changes to improve student health. This research examines the factors that influenced schools' participation in knowledge brokering and associated outcomes. METHODS: School- and student-level data from the first 3 years of the COMPASS study (2012-2013; 2013-2014; 2014-2015) were used to examine factors that influenced knowledge brokering participation, school-level changes, and school-aggregated student health behaviors. RESULTS: Both school characteristics and study-related factors influenced schools' participation in knowledge brokering. Knowledge brokering participation was significantly associated with school-level changes related to healthy eating, physical activity, and tobacco programming, but the impact of those changes was not evident at the aggregate student level. CONCLUSIONS: Knowledge brokering provided a platform for collaboration between researchers and school practitioners, and led to school-level changes. These findings can inform future researcher-school practitioner partnerships to ultimately enhance student health.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle