Principles and related strategies for spinal cord injury research partnership approaches: a qualitative study
Notice bibliographique
Résumé
Background: Conducting and/or disseminating research in partnership with potential research users is a popular approach to conducting useful and relevant research. Despite calls for guidance to support these research partnerships, evidence-based tools and resources remain limited. Aims and objectives: This study aimed to explore principles and related strategies for conducting and/or disseminating spinal cord injury (SCI) research in partnership with the SCI community, in order to gain insight into ways to support SCI research partnerships. This qualitative study included ten semi-structured interviews with SCI research partnership champions. The interviews focused on participants’ experiences with SCI research projects that are conducted or disseminated in partnership, and related principles and strategies to work in research partnerships. Participants mainly talked about principles related to: (1) the relationship between researchers and research users (for example, respect each other, avoid tokenism); (2) co-production of knowledge (for example, research user engagement early and throughout); and (3) meaningful engagement (for example, allowing flexibility). Examples of related strategies included attending collaborative conferences, research user engagement in refinement of research questions, training in research methods, and hiring people with SCI as part of the research team. Key conclusions: This qualitative study presents research partnership principles (norms) and related strategies (observable actions). This study can provide guidance for other researchers and research users who want to engage in (SCI) research partnerships. The findings of this study could be used to inform the development of evidence-based tools and resources to support future research partnerships.
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 | 0,100 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,017 | 0,024 |
| Communication savante | 0,011 | 0,014 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».