Reflections on effective services: the art of evidence-based programming
Notice bibliographique
Résumé
Third sector organisations (TSOs) are playing an increasingly prominent role in delivering health and social care services to the public. It is therefore important to ensure that such services are safe, equitable and effective. One way to achieve this is by incorporating evidence-based programmes (EBPs) and research into practice. Drawing on the broad literature, this article examines the values and knowledge preferences of TSOs and how these influence the incorporation of EBPs and related activities. Also discussed are the various factors that have an impact on successful EBP adoption and evidence use in the third sector and ways to maximise TSOs’ knowledge use. Informed by the perspective of a community-based mental health worker and academic researchers who engage in knowledge translation with TSOs, this discussion provides implications for practice and future research. Two recommendations are proposed: greater understanding of the knowledge-to-action pipeline; and the exploration and study of collaborations between TSOs and researchers.
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 | 0,486 | 0,551 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,008 | 0,098 |
| Communication savante | 0,042 | 0,065 |
| Science ouverte | 0,010 | 0,025 |
| Intégrité de la recherche | 0,029 | 0,061 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».