MétaCan
Menu
Retour à la cohorte
Enregistrement W3152784344 · doi:10.1007/s12310-021-09446-6

Dissemination Science in School Mental Health: A Framework for Future Research

2021· review· en· W3152784344 sur OpenAlexaff
Elizabeth Baker, Stephanie K. Brewer, Julie Sarno Owens, Clayton R. Cook, Aaron R. Lyon

Notice bibliographique

RevueSchool Mental Health · 2021
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMental healthDisseminationInformation DisseminationStakeholderConfusionStakeholder engagementPerceptionConceptual frameworkPublic relationsPsychologyBest practiceEvidence-based practiceKnowledge managementMedicineSociologyComputer sciencePolitical scienceAlternative medicineWorld Wide WebSocial science

Résumé

récupéré en direct d'OpenAlex

There has been an increase in school mental health research aimed at producing generalizable knowledge to address longstanding science-to-practice gaps to increase children's access to evidence-based mental health services. Successful dissemination and implementation are both important pieces to address science-to-practice gaps, but there is conceptual and semantic imprecision that creates confusion regarding where dissemination ends and implementation begins, as well as an imbalanced focus in research on implementation relative to dissemination. In this paper, we provide an enhanced operational definition of dissemination; offer a conceptual model that outlines elements of effective dissemination that can produce changes in awareness, knowledge, perceptions, and motivation across different stakeholder groups; and delineate guiding principles that can inform dissemination science and practice. The overarching goal of this paper is to stimulate future research that aims to advance dissemination science and practice in school mental health.

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)0,041
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0410,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0030,009
Études des sciences et des technologies0,0090,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,690
Tête enseignante GPT0,784
Écart entre enseignants0,094 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSchool Mental HealthMême sujetHealth Policy Implementation ScienceTravaux en français237 207