Evaluation de stratégies de transfert de connaissances mises en œuvre dans le cadre du programme Équité-Santé au Burkina Faso
Notice bibliographique
Résumé
L’utilisation des connaissances issues de la recherche (CIR) est primordiale pour informer les politiques, les interventions et les pratiques en santé, spécialement dans les pays à faible revenu où les indicateurs de santé des populations sont toujours inquiétants. Toutefois, encore peu d’études ont été réalisées pour mieux comprendre comment favoriser le transfert et l’utilisation de ces connaissances, spécialement en Afrique de l’Ouest. La présente thèse vise donc à faire avancer les connaissances en évaluant différentes stratégies de transfert de connaissances (TC) en santé publique mises en œuvre au Burkina Faso dans le cadre du programme de recherche Équité-Santé (2012-2017). Ces stratégies de TC visaient à créer des opportunités d’échanges entre les chercheurs et les utilisateurs potentiels des CIR et ainsi, réduire l’écart entre les connaissances issues de la recherche en santé et leur utilisation. Trois stratégies de TC distinctes ont été étudiées soit 1) un atelier de dissémination de la recherche, 2) un atelier incluant un processus délibératif et 3) une stratégie de courtage de connaissances. Elles ont impliqué une diversité d’acteurs tels que des chercheurs, des décideurs, des professionnels de santé et des représentants d’organisations non-gouvernementales et de la société civile. Une évaluation de la mise en œuvre et des effets a été réalisée pour les deux ateliers et une évaluation des processus de mise en œuvre a été conduite pour la stratégie de courtage de connaissances, étant donné l’arrêt de l’initiative plus tôt que prévu. Les activités d’évaluation ont mobilisé des approches méthodologiques complémentaires et divers outils pour collecter les données (entretiens qualitatifs, questionnaires d’évaluation et observations sur le terrain). Les résultats montrent que les stratégies de TC ont été appréciées par les acteurs car elles ont permis l’apprentissage de nouvelles connaissances et ont représenté une opportunité importante de réseautage afin d’apprendre les uns des autres. Cependant, ces différentes expériences ont mis en lumière plusieurs enjeux tels que le pouvoir décisionnel des acteurs parfois limité, la présence déficiente des décideurs politiques aux activités ainsi que les ressources et incitatifs organisationnels souvent restreints. La présence d’un leadership fort pour assurer une mise en œuvre efficace, le renforcement des relations de partenariat, le développement des compétences en communication et la possibilité d’offrir un accompagnement à long terme aux acteurs représentent également des défis importants pour assurer une mise en œuvre efficace des activités de transfert de connaissances. Davantage d’études sont nécessaires pour mettre en œuvre des stratégies de TC et évaluer leur efficacité. En se basant sur les résultats de la thèse, certaines recommandations générales peuvent être formulées. Par exemple, il apparait important que les stratégies de TC soient en cohérence avec les besoins et ressources des milieux, qu’elles visent le renforcement des capacités et incluent un processus évaluatif en temps réel afin que les stratégies soient adaptées au contexte. En conclusion, la thèse contribue à l’avancement des connaissances sur le TC en santé mondiale en proposant un modèle conceptuel à expérimenter pour guider le développement et la mise en œuvre des stratégies de TC.
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 | 0,163 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».