Core knowledge translation competencies: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Knowledge translation (KT) is the broad range of activities aimed at supporting the use of research findings leading to evidence-based practice (EBP) and policy. Recommendations have been made that capacity building efforts be established to support individuals to enact KT. In this study, we summarized existing knowledge on KT competencies to provide a foundation for such capacity building efforts and to inform policy and research. Our research questions were "What are the core KT competencies needed in the health sector?" and "What are the interventions and strategies to teach and reinforce those competencies?" METHODS: We used a scoping review approach and an integrated KT process by involving an Advisory Group of diverse stakeholders. We searched seven health and interdisciplinary electronic databases and grey literature sources for materials published from 2003 to 2017 in English language only. Empirical and theoretical publications in health that examined KT competencies were retrieved, reviewed, and synthesized. RESULTS: Overall, 1171 publications were retrieved; 137 were fully reviewed; and 15 empirical and six conceptual academic, and 52 grey literature publications were included and synthesized in this scoping review. From both the academic and grey literature, we categorized 19 KT core competencies into knowledge, skills, or attitudes; and identified commonly used interventions and strategies to enhance KT competencies such as education, organizational support and hands-on training. CONCLUSIONS: These initial core KT competencies for individuals provide implications for education, policy, knowledge brokering, and future research, and on the need for future evaluation of the KT competencies presented. We also discuss the essential role of organizational support and culture for successful KT activities/practice.
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 | 0,079 | 0,202 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,058 | 0,041 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».