What is the Co-Creation of New Knowledge? A Content Analysis and Proposed Definition for Health Interventions
Notice bibliographique
Résumé
Co-creation of new knowledge has the potential to speed up the discovery and application of new knowledge into practice. However, the progress of co-creation is hindered by a lack of definitional clarity and inconsistent use of terminology. The aim of this paper is to propose a new standardised definition of co-creation of new knowledge for health interventions based on the existing co-creation literature. The authors completed a systematic search of electronic databases and Google Scholar using 10 of the most frequently used co-creation-related keywords to identify relevant studies. Qualitative content analysis was performed, and two reviewers independently tested the categorisation of papers. Of the 6571 papers retrieved, 42 papers met the inclusion criteria. Examination of the current literature on co-creation demonstrated how the variability of co-creation-related terms can be reduced to four collaborative processes: co-ideation, co-design, co-implementation and co-evaluation. Based on these four processes, a new definition of co-creation of new knowledge for health interventions is proposed. The analysis revealed the need to address the conceptual ambiguity of the definition of “co-creation of new knowledge”. The proposed new definition may help to resolve the current definitional issues relating to co-creation, allowing researchers and policymakers to progress the development of co-creation of new knowledge in research and practice.
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 | 0,122 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,044 | 0,029 |
| Études des sciences et des technologies | 0,009 | 0,053 |
| Communication savante | 0,026 | 0,040 |
| Science ouverte | 0,007 | 0,016 |
| Intégrité de la recherche | 0,009 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».