Use of infographics as a health-related knowledge translation tool: protocol for a scoping review
Notice bibliographique
Résumé
INTRODUCTION: Efforts to bridge the know-do gap have paved the way for development of the field of knowledge translation (KT). KT aims to understand how evidence use can best be promoted and supported through different activities. For dissemination activities, infographics are gaining in popularity as a promising KT tool to reach multiple health research users (eg, health practitioners, patients and families, decision-makers). However, to our knowledge, no study has yet mapped the available evidence on this tool using a systematic method. This scoping review will explore the depth and breadth of evidence on infographics use and its effectiveness in improving research uptake (eg, raising awareness, influencing attitudes, increasing knowledge, informing practice and changing behaviour). METHODS AND ANALYSIS: , and further refined by the Joanna Briggs Institute (2020). The search will be conducted in MEDLINE, Cumulative Index to Nursing and Allied Health Literature, PsycINFO, Social Science Abstracts, Library and Information Science Abstracts, Education Resources Information Center, Cairn and Google Scholar. We will also search for relevant literature from the reference lists of the included publications. Two independent reviewers will select the studies. All study designs will be eligible for inclusion, with no date or publication status restrictions. The included studies will have evaluated infographics that disseminate health research evidence and target a non-scientific audience. A data extraction form will be developed and used to extract and chart the data, which will then be synthesised to present a descriptive summary of the results. ETHICS AND DISSEMINATION: Ethics approval is not required. To inform the research and KT communities, various dissemination activities will be developed, including user-friendly KT tools (eg, webinars, fact sheets and infographics), open-access publication and presentations at KT events and conferences.
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 | 0,125 | 0,140 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,012 | 0,011 |
| Bibliométrie | 0,018 | 0,016 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,010 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,103 | 0,025 |
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 ».