Nationwide Environmental Scan of Knowledge Brokers Training
Notice bibliographique
Résumé
INTRODUCTION: Knowledge brokers (KBs) can promote the uptake of best practice guidelines in rehabilitation. Although many institutions offer training opportunities to health care professionals who wish to undertake KBs roles, the characteristics and content of those educational training opportunities (ETOs) are currently unknown. This study aimed to describe the ETOs available to rehabilitation professionals in Canada and determine whether the ETOs meet the competencies expected of the KBs roles. METHODS: We conducted a Canada-wide environmental scan to identify ETOs using three strategies: online search, phone calls, and snowball. To be included in the study, ETOs had to be offered to rehabilitation professionals in Canada and be targeting KBs competencies and/or roles. We mapped each of the content to the KBs competencies (knowledge and skills) within the five roles of KBs: information manager, linking agent, capacity builder, facilitator, and evaluator. RESULTS: A total of 51 ETOs offered in three Canadian provinces, British Columbia, Ontario, and Quebec, were included in the analysis. For KBs competencies, 76% of ETOs equipped attendees with research skills, 55% with knowledge brokering skills, and 53% with knowledge on implementation science. For KBs roles, over 60% of ETOs supported attendees to in performing the capacity builder role and 39% the evaluator role. DISCUSSION: Findings suggest that ETOs focused primarily on preparing participants with the research and knowledge brokering skills required to perform the capacity builder and evaluator roles. Comprehensive educational training covering all KBs roles and competencies are needed.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».