Building consensus in research partnerships: a scoping review of consensus methods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Research partnership approaches that engage community members within the research team (for example, integrated knowledge translation, community-based participatory research) are typically used to enhance the relevance and usefulness of research findings. However, research outcomes generated through partnered research do not de facto address the priorities of those most affected nor take inclusion or power dynamics into consideration. Consensus methods (for example, Delphi, Deliberative Dialogue) can be used to develop evidence-based solutions by addressing the groups’ needs and priorities. Limited research has examined how consensus methods are used by research partnerships. Aims and objectives: Using the PRISMA-ScR checklist as a guide, this scoping review sought to better understand the use of consensus methods in research partnerships. Methods: The search strategy involved four databases (MEDLINE, PsycINFO, EMBASE and CINAHL Plus). A total of 6,654 citations were screened, 404 were advanced for full text review, and 34 studies met eligibility criteria. Data from the 34 studies were extracted and iteratively analysed by three members of our research team. Findings: At least 11 different consensus methods were used with variations of the Delphi being most common. Issues of inclusion and power dynamics were rarely discussed. Overall, there was limited reporting of consensus methods, partnership approaches, and/or power dynamics. Discussion and conclusions: This review extends the literature by providing an overview of consensus methods that have been conducted in research partnerships and how they have been executed. We offer initial considerations for conducting and reporting on the use of consensus methods in research co-production.
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.
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 | 0,099 | 0,213 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle