Examining peer learning as a strategy for advancing uptake of evidence-based practices: a scoping review
Notice bibliographique
Résumé
Background: Continued evolution of knowledge-to-action (KTA) theories requires increased attention to dynamics of power and ways to integrate multiple forms of knowledge. Peer learning – a process through which knowledge users interact with other learners – is a valuable but largely unexamined strategy for integrating practice-based knowledge in the KTA process. Aims and objectives: This study undertakes a scoping review to examine how peer-learning strategies have been used to advance knowledge users’ capacity for implementing evidence-based practices. Methods: A search of ten online databases and a manual search of five journals was conducted to identify studies published between 2001 and 2018. Selected publications included 26 studies conducted in Canada, the US, the UK, Australia, and the Netherlands. Studies utilised peer learning as a capacity-building strategy to advance the uptake or implementation of evidence-based practices among professionals in social services, education, or health/mental health sectors. Findings: Links between peer-learning strategies and multiple individual and/or collective capacities for implementing evidence-based practices were identified from selected studies. Individual capacities linked to peer learning include knowledge of the practice, attitudes (for example, motivation and ‘buy-in’), and practical skills. Collective capacities supported through peer learning included knowledge exchange, knowledge generation, relationship development, networking, and resource/tool sharing. Peer learning was often paired with didactic or expert-led activities. Discussion and conclusions: This scoping review identifies how peer learning has been used as a capacity-building strategy in implementation initiatives. Peer-learning activities provide a means to help integrate multiple forms of knowledge in the KTA process.
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 | 0,012 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».