Meeting the Challenge of the "Know-Do" Gap Comment on "CIHR Health System Impact Fellows: Reflections on ‘Driving Change’ Within the Health System"
Notice bibliographique
Résumé
Bridging the 'know-do' gap is not new but considerably greater attention is being focused on the issue as governments and research funders seek to demonstrate value for money and impact on policy and practice. Initiatives like the Canadian Institutes of Health Research (CIHR) Health System Impact (HSI) Fellowship are therefore both timely and welcome. However, they confront major obstacles which, unless addressed, will result in such schemes remaining the exception and having limited impact. Context is everything and as long as universities and research funders privilege peer-reviewed journal papers and traditional measures of academic performance and success, novel schemes seeking to break down barriers between researchers and end users are likely to have limited appeal. Indeed, for some academics they risk being career limiting. The onus should be on universities to welcome greater diversity and nurture and value a range of academic researchers with different skills matched to the needs of applied health system research. One size does not fit all and adopting a horses for courses approach would go a long way to solving the conundrum facing higher education institutions. At the same time, researchers need to show greater humility and acknowledge that scientific evidence is only one factor shaping policy and practice. To help overcome a risk of ideology and opinion triumphing over evidence, attention should be devoted to encouraging citizens to get actively involved in research. Research funders also need to give higher priority to how policy can be made to stick if the 'know-do' gap is to be closed.
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 | 0,036 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,028 |
| Communication savante | 0,012 | 0,020 |
| Science ouverte | 0,012 | 0,009 |
| Intégrité de la recherche | 0,078 | 0,108 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 ».