MétaCan
Menu
Retour à la cohorte
Enregistrement W3034468131 · doi:10.22230/src.2020v11n2a345

Identifying Priorities for Communicating a Large Body of Research for Impact

2020· article· en· W3034468131 sur OpenAlexafffundvenueabout
Alison Palmer, Joanne Telfer, Cheryl Peters, Anne‐Marie Nicol

Notice bibliographique

RevueScholarly and Research Communication · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensAlberta Health ServicesUniversity of CalgarySimon Fraser University
Organismes subventionnairesPartenariat Canadien Contre Le Cancer
Mots-clésPolitical scienceCarexHumanitiesArtBiology

Résumé

récupéré en direct d'OpenAlex

Background CAREX (CARcinogen EXposure) Canada’s mandate is to communicate a body of academic research and expertise on Canadians’ exposures to carcinogens, to inform efforts to reduce exposures and ultimately reduce the risk of cancer. With 80 known and suspected carcinogens in its database and over 800 estimates of how and where Canadians are exposed, CAREX’s challenge has been to focus its efforts to achieve impact. Analysis A process model for identifying and prioritizing opportunities for knowledge translation was developed. From 2012-2017 that model was used to identify exposure priorities, select and engage knowledge users with readiness to collaborate, and explore opportunities to apply CAREX’s knowledge and expertise. Conclusion and implications A total of 54 impacts were tracked, including priority setting, cancer prevention research, implementation research, and policy and practice change.RésuméContexte CAREX Canada (CARcinogen EXposure) a pour mandat de communiquer la recherche et l’expertise académiques sur l’exposition des Canadiens aux carcinogènes, de soutenir les efforts pour réduire cette exposition, et en fin de compte de réduire les incidences du cancer. Dans sa base de données, CAREX recense quatre-vingts cancérogènes connus et soupçonnés et plus de huit cents estimations sur comment et où les Canadiens y sont exposés. Son défi principal a été de focaliser ses efforts afin d’avoir un meilleur impact. Analyse Un modèle de processus a été développé pour identifier et prioriser les occasions d’effectuer une application des connaissances. Entre 2012 et 2017, ce modèle a servi à identifier les priorités pour l’exposition aux cancérigènes, à sélectionner et intéresser des utilisateurs des connaissances prêts à collaborer, et à explorer les occasions pour appliquer le savoir et l’expertise de CAREX. Conclusion et implications On a relevé un total de 54 impacts, y compris l’établissement des priorités, la recherche sur la prévention du cancer, la recherche sur la mise en oeuvre, et la modification de politiques et de pratiques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,673
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,458
Tête enseignante GPT0,593
Écart entre enseignants0,134 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
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

Citations1
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueScholarly and Research CommunicationMême sujetRisk Perception and ManagementTravaux en français237 207