MétaCan
Menu
Retour à la cohorte
Enregistrement W2794191495 · doi:10.1177/0020852317741679

Co-creation within hybrid networks: what can be learnt from the difficulties encountered? The example of the fight against blood- and sexually-transmitted infections

2018· article· en· W2794191495 sur OpenAlexaffabout
Nassera Touati, Lara Maillet

Notice bibliographique

RevueInternational Review of Administrative Sciences · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensInstitut National d'Excellence en Santé et en Services SociauxÉcole Nationale d'Administration Publique
Organismes subventionnairesnon disponible
Mots-clésPublic relationsSet (abstract data type)Action (physics)Community organizationControl (management)Knowledge managementBusinessSociologyPolitical scienceProcess managementComputer scienceManagementEconomics

Résumé

récupéré en direct d'OpenAlex

This article analyses co-creation processes within hybrid networks. Specifically, it looks at a particular co-creation mechanism, in this case, a strategic community set up to test new ways of dealing with blood- and sexually-transmitted infections in Quebec. A strategic community is a temporary structure of inter-organizational collaboration, made up of professionals, first-level managers, general practitioners, representatives of community organizations, etc. tasked with generating, implementing and evaluating new ideas about the organization of services. The results of this study highlight the difficulties encountered as well as the issues related to these co-creation processes. Notes for practitioners The implementation of co-creation processes, involving public, private and community actors, has to contend with numerous challenges: (1) the enrolment of the stakeholders concerned by the complex issues; (2) the creation of places for discussion and experimentation involving actors who play an important role in the implementation of change; (3) the mobilization of tools and facilitators to develop a common vision; (4) the action stage to validate new ways of doing things.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0110,022
Communication savante0,0140,016
Science ouverte0,0020,007
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,048
Tête enseignante GPT0,372
Écart entre enseignants0,323 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations10
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Review of Administrative SciencesMême sujetSocial Sciences and GovernanceTravaux en français237 207