Structural barriers to knowledge transfer and exchange among men and women in low-, middle- and high-income countries: an international cross-sectional study with vaccine researchers in 44 countries
Notice bibliographique
Résumé
Abstract Background Globally, women constitute 30% of researchers. Despite an increasing proportion of women in research, they are still less likely to have international collaborations. Literature on barriers to knowledge transfer and exchange (KTE) between men and women remains limited. This study aimed to assess perceived gender barriers to KTE activities in vaccination-related research in low-, middle- and high-income countries. Methods This was a cross-sectional data assessment from a self-administered questionnaire distributed to researchers in the field of vaccination research. The administered questionnaire was developed and validated by WHO and McMaster University. Descriptive statistics were carried out. Structural factors of KTE were assessed using 12 statements measured with a five-point Likert scale, ranging from 1 (strongly disagree) to 5 (strongly agree). An index ranging from 12 to 60 points was created to assess structural factors of KTE, with higher score indicating fewer perceived barriers. Multivariable linear regression modelling was applied to examine the association between KTE barriers and gender. Results A total of 158 researchers were included in the analysis. Regardless of gender and country of affiliation, researchers experienced challenges with respect to KTE activities; particularly factors related to the availability of human and financial resources and level of technical expertise among their target audience. We were also able to identify perceived facilitators among men and women, such as the presence of structures that link researchers and target audiences, the investment of target audiences in KTE efforts and the presence of stable contacts among target audiences. Our linear regression analysis showed that women perceived more barriers than men ( R 2 = 0.014; B = −1.069; 95% CI −4.035; 1.897). Conclusions Men and women shared common perspectives on barriers to KTE. KTE activities could be strengthened by improving structural efforts to reduce gender differences and increase collaborations between researchers and their target audience.
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 | 0,023 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».