MétaCan
Menu
Retour à la cohorte
Enregistrement W4296709822 · doi:10.1136/ebnurs-2022-103609

KT: why it should be ‘hotter’ than it is

2022· article· en· W4296709822 sur OpenAlexaff
Melanie Barwick

Notice bibliographique

RevueEvidence-Based Nursing · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésBattlePublic relationsPolitical scienceScience policyService (business)Service providerBusinessEngineering ethicsPublic administrationMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

Knowledge translation (KT) is a science and a practice, and despite no longer being nascent, it has never achieved ‘hot’ status among STEM fields. Despite 20 years of growing international policy and research attention on reducing the evidence-practice and policy gap, KT and implementation science are not getting the attention they deserve. The ‘hot’ emerging fields are rooted in discovery, but discovery must translate into things we can understand, apply and use. Evidence-based innovations will not reach their potential unless they are accessible, and we can demonstrate how they can be implemented in real-world contexts. Academia has a longstanding laudatory focus on publication at the expense of application and impact, and shifting to a more balanced view is an uphill battle. Our academic institutions and funders, our governments and service provider organisations must put implementation at the forefront of their efforts if we are to realise optimal benefits from our innovations.

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)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,001

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.

Tête enseignante Opus0,788
Tête enseignante GPT0,675
Écart entre enseignants0,113 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence-Based NursingMême sujetHealth Policy Implementation ScienceTravaux en français237 207