Funding change: An environmental scan of research funders’ knowledge translation strategic plans and initiatives across 10 high-income countries/regions
Notice bibliographique
Résumé
Knowledge translation (KT) is the science and practice of dissemination and implementation of evidence. We describe how research funders operationalize and evaluate KT initiatives, identify challenges and opportunities, and suggest strategic considerations for KT support. We conducted an environmental scan, which included a systematic search of published and grey literature and a focus group with Canadian funders. A total of 130 published articles and 2415 grey literature sources were screened; 212 unique data sources were included. Published literature commonly described KT initiatives related to “KT practice and science funding.” These initiatives commonly provided funds for infrastructure development (e.g., clinical technologies, database subscriptions) to facilitate translational or applied research to address regional health priorities. Of the articles, 44% outlined an evaluation plan; few provided validated KT metrics. In the grey literature, 364 initiatives were described; the most commonly described initiatives related to “exchange and integrated KT.” Focus group participants hoped to see increased resources to support KT, exchange opportunities with policy/decision-makers, and evaluate KT initiatives. Funders completed various KT initiatives, which tended to engage stakeholders to set research priorities, collaborate with a range of stakeholders, build KT capacity, and mandate KT requirements. We provide six considerations for funders to support KT.
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 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 | 0,128 | 0,221 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,070 | 0,139 |
| Études des sciences et des technologies | 0,011 | 0,006 |
| Communication savante | 0,019 | 0,010 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».