PROLIFERATE: An adaptable framework to evaluate participatory research products
Notice bibliographique
Résumé
Abstract Background: Participatory research (PR) – the practice of involving stakeholders in research processes – is growing in prominence in health research because it can enhance the impact of research and the translation of research-based knowledge. Yet, the literature indicates that the products of PR studies are rarely evaluated empirically to track, demonstrate, and expand their claimed effectiveness and impact. This lack of measurement tools and frameworks can limit the effectiveness of knowledge translation (KT). Methods: We introduce a framework for evaluating the products of PR called PROLIFERATE. We use an inductive combination of formative and summative evaluation methods to pilot test the framework on a Frailty PR communication product (a video) to determine the methods’ functionality. Results: PROLIFERATE demonstrates adeptness for evaluating barriers and enablers of PR product uptake, effectiveness, and impact. It can identify ways to address barriers by assessing knowledge user perspectives on the comprehensibility of the product, emotional resonance, motivation to change, and future accessibility. Conclusions: PROLIFERATE can enable longitudinal and cross-sectional measurement of PR products in implementation and integrated KT efforts. It can evaluate and track the effectiveness and impact of different types of PR products in a situational responsive manner which compares users, platforms, and other factors in a replicable way.
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 | 0,333 | 0,219 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,009 | 0,021 |
| Études des sciences et des technologies | 0,015 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,008 | 0,020 |
| Intégrité de la recherche | 0,003 | 0,049 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,015 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».