How are Educational Researchers Interacting with End-users to Increase Impact?
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
There has been increased interest in how researchers might collaborate with end users to increase the impact of their work. In Canada, efforts to extend research impact beyond academia are called knowledge mobilization (KMb). This study surveyed SSHRC- funded educational researchers to assess their KMb efforts in relation to three areas: stakeholder engagement (target audience and frequency of interaction), dissemination mechanisms (intermediaries, networks, media, online tools), and research impact (research-related, service/practice, policy, societal). Findings: 70% of researchers reported regularly interacting with target audiences. Types of interactions included getting to know target audiences (71%), discussing research results (65%), and dedicating resources for capacity building (45%). Researchers reported impacts in relation to research (76%), service/practice (67%), and policy (35%), and societal impacts (35%). Researchers felt very well prepared to create plain language summaries of their work (54%), and collaborate with stakeholders (45%), but much less prepared to deal with media (32%), work with intermediaries (22%), or use technology to disseminate their work (16%). Implications for engaged scholarship are articulated in five areas: prioritization and co-production; packaging and push; facilitating pull; exchange; and improving climate for research use by building demand.
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 | 0,656 | 0,705 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,325 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,508 |
| 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