How transdisciplinary research teams learn to do knowledge translation (KT), and how KT in turn impacts transdisciplinary research: a realist evaluation and longitudinal case study
Notice bibliographique
Résumé
BACKGROUND: Transdisciplinary research and knowledge translation are increasingly regarded as key concepts underpinning applied research across the health and social sciences, due to their presumed potential in addressing complex, "wicked" problems and improving the use of research in practice and policy, respectively. Despite sharing an impact mandate, the relationship between transdisciplinary research collaboration and knowledge translation remains unclear. In response, we examined the relationship between transdisciplinary collaboration and knowledge translation to generate these understandings with a view towards maximizing the impact of collaborative efforts. METHODS: We undertook a realist evaluation and longitudinal case study of a 5-year National Health and Medical Research Council-funded Centre of Research Excellence in Transdisciplinary Frailty Research. Data were collected between February 2017 and March 2020 over three rounds of theory development, refinement and testing using interviews, observation, document review and visual elicitation as data sources. The Human Research Ethics Committee of the University of Adelaide approved this study. RESULTS: Iterative analysis of narrative interviews and visual data led to the development of three overarching programme theories explicating the reciprocal relationship between KT understandings and transdisciplinary team process. These programme theories revolve around the concept of a network, which we define in alignment with extant theoretical literature on network mechanisms and complex networks as graphically representable networks of agents/people (nodes) joined by social relationships (links). Our findings demonstrate that under the right contextual conditions, transdisciplinary team members respond through an improved ability to (1) navigate the network, (2) negotiate the network and (3) mobilize the network. CONCLUSIONS: This research demonstrates the reciprocity and mutually supportive relationship between transdisciplinary research and knowledge translation. Our findings suggest that embedding a collaborative knowledge translation framework and providing resources such as facilitation and distributed leadership within a transdisciplinary team can improve collaboration and support transdisciplinary research objectives.
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 | 0,187 | 0,201 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».