The benefits and challenges of applied, partnered data-intensive research.
Notice bibliographique
Résumé
ObjectivePopulation data scientists are committed to research that has public value. Much of this research is applied; it is undertaken in partnership with the public, patients, families, as well as policy- and decision-makers. Working directly with policy-makers (who are often also data providers) has advantages, but presents challenges as well. ApproachWe offer four provocations to stimulate thinking about the relationship between research and the “systems” that research is trying to influence. These provocations include: 1) assessing the implications of “partnership” and who is expected to change or accommodate others’ views, and how this affects researchers’ ability to challenge current practice; 2) challenging the emphasis on short-term over longer-term challenges in systems; 3) moving beyond post-implementation evaluations of policies; and 4) critiquing the current project-specific orientation to assessing return on investment (ROI). ResultsThe current focus on partnership in applied research tends to suggest that it is researchers who need to be empathetic to the timelines and needs of policy makers. True relationships, however, are bi-directional, and more importantly need to be open to tough conversations and constructive feedback. Further, focusing on priorities of “systems” will emphasize short-term issues. These are important to address, but can crowd out more systemic and structural considerations. This leads to researchers often engaged in post-implementation evaluation where they have had little involvement in policy or intervention design, which may not be evidence-based. Finally, a focus on single-project ROI will tend to undervalue riskier – but also potentially more rewarding – research. ConclusionIt is important to recognize that valuable research might challenge current thinking and practice, and/or address issues that are not short-term priorities. More early testing of policies before broad implementation will advance evidence. ROI should be viewed as an emergent property rather than an attribute of each individual project.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | low |
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 | 0,636 | 0,619 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,011 | 0,045 |
| Communication savante | 0,038 | 0,048 |
| Science ouverte | 0,009 | 0,040 |
| Intégrité de la recherche | 0,015 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».