Contributions et défis de l’utilisation des technopédagogies à des fins de soutien à l’appropriation des meilleures pratiques en santé mentale
Notice bibliographique
Résumé
Context Despite the considerable resources devoted and the efforts of the many actors involved, the gap between the production of scientific knowledge and its use in practice remains a challenge. The use of information and communication technologies (ICTs) is a valuable tool for reducing this gap. To address this challenge, a demonstration project focusing on the use of technology for knowledge translation was implemented with 23 community support teams in 5 regions of Quebec (2016-2018). More than 324 mental health professionals, team leaders and managers have benefited from the initiative "At your fingertips, best recovery-oriented practices." Objective This article presents the results of a satisfaction survey of team leaders responsible for clinical support in the community support teams under study. The purpose of this study is to enhance the understanding of issues identified during implementation and to make recommendations for the sustainable scaling up of the implemented knowledge translation program. Method A qualitative design in this evaluative research was adopted. At the end of the program implementation process, 2 group interviews were conducted with the team leaders. A content analysis following an inductive approach with 3 levels of coding was performed. Results The results show a significant digital gap within the Quebec health and social services network compared to other sectors of activity. Participants underlined the importance of adopting mechanisms for knowledge exchange and transfer that are integrated into organizational practices (dedicated time, formal clinical supervision, etc.) and which make use of ICTs. Conclusion Despite the significant technology upgrade required, the results suggest the relevance of using techno-pedagogy as the primary means of supporting knowledge translation and practice transformation. The tools developed and the support mechanisms explored appear to facilitate access to and adoption of best practices in mental health.
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 | 0,037 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,047 |
| Communication savante | 0,025 | 0,012 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».