MétaCan
Menu
Retour à la cohorte
Enregistrement W2913501328 · doi:10.15402/esj.v3i2.328

Assessing the Outcomes of Community-University Engagement Networks in a Canadian Context

2018· article· en· W2913501328 sur OpenAlexfundvenueaboutno aff
Crystal Tremblay, Robyn Spilker, Rhianna Nagel, J.C. Robinson, Leslie Brown

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Victoria
Mots-clésScholarshipPublic relationsIndigenousCommunity engagementContext (archaeology)Civil societyEngaged scholarshipPolitical scienceWork (physics)SociologyDemocracyPoliticsEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Inter-organizational networks are proliferating as a tool for community-university engagement (CUE). Focusing on three Canadian inter-organizational networks that bring communities and universities together, Community Based Research Canada (CBRC), the Pacific Housing Research Network (PHRN) and the Indigenous Child Well-being Research Network, this paper identifies key criteria for assessing these networks’ outcomes and highlights factors that contribute to these networks’ challenges and successes. This work is part of a growing body of scholarship seeking to better understand the role and contribution of networks in society and more specifically how the outcomes of these engagements might benefit and enhance collaborative research partnerships between civil society and higher education institutions. The results illuminate lessons learned from each of these three networks and their members. These findings inform broader research into community-university engagement networks and illustrate how these types of engagements can help build a stronger knowledge democracy in Canada and elsewhere.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,910
score de la tête « metaresearch » (Gemma)0,494
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,9100,494
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,6690,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,681
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,189
Tête enseignante GPT0,428
Écart entre enseignants0,239 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations3
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetService-Learning and Community EngagementTravaux en français237 207