Stratégies numériques de diffusion auprès des décideurs, des résultats des chercheurs en santé publique
Notice bibliographique
Résumé
L’élaboration de politiques fondées sur des données probantes est un phénomène de plus en plus répandu qui encourage les chercheurs et les décideurs à communiquer efficacement entre eux. Les médias digitaux sont censés faciliter les échanges entre les deux acteurs, mais leur disponibilité et leur utilisation n’ont pas encore été examinées en détail. Avec une approche interdisciplinaire, cet article vise à fournir une taxonomie des médias digitaux utilisés par les chercheurs et les décideurs pour partager leurs connaissances dans le domaine spécifique de la santé publique. Dans le cadre de la digital health communication, nous décrivons le web classique, le web 2.0 ainsi que six autres médias digitaux (hypertexte, images, vidéos, audio, infographie et jeux) à disposition des chercheurs et des décideurs en santé. Ensuite, nous discutons des risques et des possibilités liés à la vulgarisation scientifique en ligne pour l’élaboration des politiques de santé. Enfin, nous formulons des recommandations fondées sur la théorie et sur la pratique destinées aux chercheurs afin qu’ils diffusent au mieux les résultats de leurs recherches sur la santé aux décideurs via Internet.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,032 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».