The Society for Prevention Research 20 Years Later: a Summary of Training Needs
Notice bibliographique
Résumé
The Society for Prevention Research (SPR) aims to continually provide relevant professional development training opportunities to advance scientific investigation of ways to improve the health, well-being, and social and educational outcomes of individuals and communities. Our study, led by the Training Needs Assessment Task Force, designed a quantitative questionnaire informed by semistructured, qualitative interviews of 13 key prevention science informants. The questionnaire was deployed to all SPR members, of which 347 completed it. Questions about training topics were asked along 8 categories: (1) theory; (2) preventive interventions; (3) research methods, design, and evaluation; (4) teaching and mentoring; (5) practical and interpersonal skills; (6) communication; (7) project management; and (8) data analysis. Across all categories, respondents reported a high level of interest in receiving training: more than 80% were interested in training in data analytic methods; about 70% indicated interest in theory, preventive interventions, and research methods, design, and evaluation; about 65% were interested in at least 1 communication and project management topic; and 60% showed interest in at least 1 practical and interpersonal skills topic. Training-related interests varied across career level and race/ethnicity, with early-career individuals and people of color typically indicating the most interest. Participants were most likely to endorse self-initiated learning and webinars. SPR preconference training workshops were strongly endorsed for data analysis and preventive intervention topics. Recommendations from our study include a need for SPR to more strongly support self-initiated learning opportunities and continue preconference training programs, with special focuses in statistical methods and preventive interventions and regular assessment of members' training preferences.
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 | 0,035 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,008 |
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 ».