MétaCan
Menu
Retour à la cohorte
Enregistrement W2976237604 · doi:10.3917/spub.193.0357

Apprentissage organisationnel en promotion de la santé : une expérience québécoise

2019· article· fr· W2976237604 sur OpenAlexaffabout
Lucie Richard, Nicole Beaudet, François Chiocchio, Laurence Fortin-Pellerin

Notice bibliographique

RevueSanté Publique · 2019
Typearticle
Languefr
DomaineHealth Professions
ThématiqueSchool Health and Nursing Education
Établissements canadiensMontfort HospitalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This article focuses on health promotion laboratories, a Quebec professional development program offered by the Public Health Department of the Montréal Region to teams of professionals and managers working in health promotion within local public health organizations. The objective is to examine the process of translating the knowledge gained by participants as a result of the program over the longer term within the organization. METHOD: This was a qualitative descriptive study. The work was guided by Nonaka’s Organizational Knowledge Creation Model. Data were collected from participants at several types of discussion and development events held in the three months following the end of the pilot project. A thematic content analysis was performed using a grid derived from Nonaka’s model. RESULTS: The analysis revealed the presence of both externalization and internalization in two of the sites, as well as a considerable volume of combinations in the four sites studied. In the latter case, the learnings reused over the longer term were similar to those that had been transferred in the short term (e.g. ideas and methods relating to partnership, planning, etc.). CONCLUSION: These results are important, in that they confirm the laboratories’ potential to propagate the learnings throughout the organization, beyond the short-term gains made by participants during the laboratories. These learnings could potentially pave the way for new practices.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,387
Écart entre enseignants0,371 · 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'étudeObservationnel
Domainenon disponible
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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSanté PubliqueMême sujetSchool Health and Nursing EducationTravaux en français237 207