Public health and political science: challenges and opportunities for a productive partnership
Notice bibliographique
Résumé
OBJECTIVES: We aim to advance productive collaborations between public health and political science by highlighting key challenges to an effective partnership between these fields and examining the opportunities that exist to overcome them. STUDY DESIGN: This short communication takes a descriptive analytical approach. METHODS: We synthesize conceptual insights drawn from (1) a recent international workshop that brought together researchers at the intersection of public health and political science and (2) the emerging literature on 'public health political science.' RESULTS: Although public health and political science would appear to be natural partners, work typically occurs in parallel rather than in partnership, resulting in missed opportunities for productive collaboration. We identify three key challenges to an effective partnership between political science and public health. These include the need for a common language and shared understanding of key concepts; mutual recognition of the complexity and diversity within each field; and a deeper engagement with their conceptual and methodological complementarities and differences. We also identify the area of evidence-informed policymaking as particularly ripe for productive collaboration between public health and political science. CONCLUSIONS: As the roles of politics and scientific evidence in public health policy grow ever more contentious, public health and political science need to move beyond their disciplinary comfort zones and engage productively with the different perspectives and contributions that each field has to offer.
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 | 0,217 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,031 | 0,112 |
| Communication savante | 0,077 | 0,069 |
| Science ouverte | 0,006 | 0,055 |
| Intégrité de la recherche | 0,026 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».