Re-Framing the Knowledge to Action Challenge Through NIHR Knowledge Mobilisation Research Fellows Comment on "CIHR Health System Impact Fellows: Reflections on ‘Driving Change’ Within the Health System"
Notice bibliographique
Résumé
The ambition of the Canadian Institutes for Health Research Health System Impact (HSI) Fellowship initiative to modernise the health system is impressive. Embedded researchers who work between academia and non-academic settings offer an opportunity to reframe the problem of evidence uptake as a product of a gap between those who produce knowledge and those who use it. As such, there has been an increasing interest in the potential of people in embedded research roles to work with stakeholders in the co-production of knowledge to address service challenges. In this commentary, we draw on research and experiential evidence of an embedded researcher initiative, which has similar intentions to the HSI Fellowships programme: the National Institute for Health Research (NIHR) Knowledge Mobilisation Research Fellowship (KMRF) scheme. We outline the similarities and differences between the two schemes, and then consider the work, characteristics and skills, and organisational arrangements evident in operationalising these types of roles.
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 | 0,022 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,013 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,094 | 0,080 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».