Overcoming Barriers to Applying Systems Thinking Mental Models in Policy-Making Comment on "What Can Policy-Makers Get Out of Systems Thinking? Policy Partners’ Experiences of a Systems-Focused Research Collaboration in Preventive Health"
Notice bibliographique
Résumé
Systems thinking provides the health system with important theories, models and approaches to understanding and assessing complexity. However, the utility and application of systems thinking for solution-generation and decision-making is uncertain at best, particularly amongst health policy-makers. This commentary aims to elaborate on key themes discussed by Haynes and colleagues in their study exploring policy-makers' perceptions of an Australian researcher-policy-maker partnership focused on applications of systems thinking. Findings suggest that policy-makers perceive systems thinking as too theoretical and not actionable, and that the value of systems thinking can be gleaned from greater involvement of policy-makers in research (ie, through co-production). This commentary focuses on the idea that systems thinking is a mental model that, contrary to researchers' beliefs, may be closely aligned with policy-makers' existing worldviews, which can enhance adoption of this mental model. However, wider application of systems thinking beyond research requires addressing multiple barriers faced by policy-makers related to their capability, opportunity and motivation to action their systems thinking mental models. To make systems thinking applicable to the policy sphere, multiple approaches are required that focus on capacity building, and a shift in shared mental models (or the ideas and institutions that govern policy-making).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,010 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».