Knowledge brokering: (mis)aligning population knowledge with care of fat bodies
Notice bibliographique
Résumé
OBJECTIVE: Two prominent Canadian knowledge brokers aim to influence how primary care clinicians address obesity, through the dissemination of texts: the Canadian Task Force on Preventive Health Care (guideline) and the Canadian Obesity Network (5As). While written for the same clinician and adult patient population, the recommendations differ. This analysis highlights active decisions that produced the difference. METHODS: Frame analysis of the guideline and 5As texts. RESULTS: The brokers both frame obesity as a chronic and pathological threat to health, at least to a point. The guideline texts frame obesity primarily as a sign of a behavioural problem, discrediting or ignoring many complicating sources of knowledge. In contrast, the 5As frames obesity as complex through diversifying the knowledge foundation embedded in the texts (e.g., including fat-related stigmatisation; health status differences among those classified as obese). Both de-emphasize social and environmental determinants of weight and health. CONCLUSION: Frames of problems used by brokers are not neutral, nor are decisions about how knowledge is excluded and included. Knowledge brokering, no matter how scientific and systematic, is limited by its frame. Recognizing the limits of each frame supports reflexivity in knowledge brokering and interventions taken to enhance 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.
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 | 0,083 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,011 | 0,026 |
| Communication savante | 0,017 | 0,015 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».