Evidence-based policy making: determining what is evidence
Notice bibliographique
Résumé
In the era of evidence-based policy, framing and assessing the core evidence is fundamental to our ability to use research in support of public policy. In a world of almost exponentially expanding scholarly publication, it is becoming harder to define what is known. This article reviews the basic theories of knowledge, the context for sorting through and summarizing that knowledge and a number of options available, and used, to assemble the knowledge base for research and policy work. The authors undertook a summative process in the domain of biotechnology, agriculture and development and offer insights into the comparative methods and their impacts on the outcome. A population sample of 421 articles was gathered. Four methods-expert Delphi, citation analysis, social network analysis and peer evaluation-were used to select the 51 pieces for inclusion and analysis in the core literature. That analysis shows that each process delivered a different set of evidence. The potential for bias in knowledge assessment can challenge policy makers in their process of reviewing evidence that rationalizes policy.
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 | 0,529 | 0,718 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,024 | 0,007 |
| Bibliométrie | 0,040 | 0,023 |
| Études des sciences et des technologies | 0,010 | 0,038 |
| Communication savante | 0,065 | 0,065 |
| Science ouverte | 0,015 | 0,017 |
| Intégrité de la recherche | 0,031 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».