MétaCan
Menu
Retour à la cohorte
Enregistrement W4282916774 · doi:10.1097/phh.0000000000001518

Let's Talk About It: A Narrative Review of Digital Approaches for Disseminating and Communicating Health Research and Innovation

2022· review· en· W4282916774 sur OpenAlexaff
Paige Coyne, Erika Kustra, Sarah J. Woodruff

Notice bibliographique

RevueJournal of Public Health Management and Practice · 2022
Typereview
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésDisseminationKnowledge translationPresentation (obstetrics)Public relationsDigital healthInformation DisseminationWarrantKnowledge managementAction (physics)NarrativeComputer scienceBusinessPolitical scienceWorld Wide WebMedicineHealth careTelecommunications

Résumé

récupéré en direct d'OpenAlex

Best health practice and policy are derived from research, yet the adoption of research findings into health practice and policy continues to lag. Efforts to close this knowledge-to-action gap can be addressed through knowledge translation, which is composed of knowledge synthesis, dissemination, exchange, and application. Although all components warrant investigation, improvements in knowledge dissemination are particularly needed. Specifically, as society continues to evolve and technology becomes increasingly present in everyday life, knowing how to share research findings (with the appropriate audience, using tailored messaging, and through the right digital medium) is an important component towards improved health knowledge translation. As such, this article presents a review of digital presentation formats and communication channels that can be leveraged by health researchers, as well as practitioners and policy makers, for knowledge dissemination of health research. In addition, this article highlights a series of additional factors worth consideration, as well as areas for future direction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,082
score de la tête « metaresearch » (Gemma)0,061
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0820,061
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,833
Tête enseignante GPT0,639
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Public Health Management and PracticeMême sujetSocial Media in Health EducationTravaux en français237 207