Bridging Science and Practice-Importance of Stakeholders in the Development of Decision Support: Lessons Learned
Notice bibliographique
Résumé
User-friendly, evidence-based scientific tools to support sanitation decisions are still limited in the water, sanitation and hygiene (WASH) sector. This commentary provides lessons learned from the development of two sanitation decision support tools developed in collaboration with stakeholders in Uganda. We engaged with stakeholders in a variety of ways to effectively obtain their input in the development of the decision support tools. Key lessons learned included: tailoring tools to stakeholder decision-making needs; simplifying the tools as much as possible for ease of application and use; creating an enabling environment that allows active stakeholder participation; having a dedicated and responsive team to plan and execute stakeholder engagement activities; involving stakeholders early in the process; having funding sources that are flexible and long-term; and including resources for the acquisition of local data. This reflection provides benchmarks for future research and the development of tools that utilize scientific data and emphasizes the importance of engaging with stakeholders in the development 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 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 | 0,261 | 0,292 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,035 |
| Communication savante | 0,025 | 0,035 |
| Science ouverte | 0,007 | 0,030 |
| Intégrité de la recherche | 0,016 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».