MétaCan
Menu
Retour à la cohorte
Enregistrement W3009792213 · doi:10.1186/s43058-020-00021-9

Reporting health research translation and impact in the curriculum vitae: a survey

2020· article· en· W3009792213 sur OpenAlexafffundabout
Laura Boland, Lucie Brosseau, Sienna Caspar, Ian D. Graham, Alison M. Hutchinson, Anita Kothari, Kevin Mc Namara, Elizabeth McInnes, Miguel Ángel, Dawn Stacey

Notice bibliographique

RevueImplementation Science Communications · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of LethbridgeUniversity of OttawaLondon Health Sciences CentreOttawa HospitalWestern University
Organismes subventionnairesCanadian Institutes of Health ResearchOttawa Hospital Research Institute
Mots-clésKnowledge translationMedical educationCurriculumUnivariateMetric (unit)PsychologyCitationDescriptive statisticsMedicineApplied psychologyKnowledge managementComputer scienceLibrary scienceStatisticsMarketingPedagogyBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasingly, health researchers must demonstrate the impact and real-life applications of their research. We investigated how health researchers with expertise in knowledge translation report research translation activities and impact on their curriculum vitae (CV). METHODS: We conducted a cross-sectional survey of health researchers with expertise in knowledge translation as we anticipated best practices in CV reporting from this specialized group. Our survey asked participants about their reporting of research translation and impact activities on their CVs, intention to report, and barriers and facilitators to reporting such activities on their CVs. We calculated univariate descriptive statistics for all quantitative data. Linear regression models determined predictors of researchers' intention to report research translation and impact activities on their CVs. We analyzed open-ended qualitative responses using content analysis. RESULTS: One hundred and fifty-three health researchers responded to the survey (response rate = 29%). Most respondents were Canadian, were female, and had a doctoral degree. Eighty-two percent indicated they reported at least one research translation and/or impact indicator on their CVs. Of those, health researchers commonly reported the following: advisory/regulatory committee membership related to research program (83%), research translation award(s) (61%), and academic performance assessments (59%). Researchers least commonly indicated the following: citation metric scores (31%), summaries of impact (21%), and requests to use research materials and/or products (19%). Fewer than half of the health researchers intended to report knowledge translation (43%) and impact (33%) on their CVs. Strong beliefs about capabilities and consequences of reporting research translation and/or impact were significant predictors of intention. Main barriers were as follows: CV templates do not include research translation and impact activities, participants perceived employers do not value research translation and impact activities, and lack of metrics to evaluate research translation and impact. Ninety-six percent were unaware of a CV template formatted to include research translation and/or impact reporting. CONCLUSIONS: Knowledge translation and impact indicators on the CV are inconsistently reported by our sample of health researchers. Modifiable barriers should be addressed to support more consistent reporting of such activities, including providing a CV template that includes research translation and impact as well as clear metrics to quantify them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,092
score de la tête « metaresearch » (Gemma)0,234
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,489

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0920,234
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,957
Tête enseignante GPT0,830
Écart entre enseignants0,127 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomainePrésentation des résultats
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

Citations10
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation Science CommunicationsMême sujetHealth Policy Implementation ScienceTravaux en français237 207