Facilitators and challenges in partnership research aimed at improving social inclusion of persons with disabilities
Notice bibliographique
Résumé
PURPOSE: To identify partnership research challenges and facilitators, as experienced by members of the Inclusive Society (IS) initiative. MATERIALS AND METHODS: A case study was conducted on all partnership research projects conducted between 2017 and 2019 under the IS initiative through surveys, interviews with the IS community, logbooks, and focus group. Thematic analysis and descriptive analysis were undertaken. RESULTS: To work effectively with a diversity of stakeholders, winning conditions must be created for the project from the outset. These include determining the team functioning, project objectives, the expectations of each party, and agreeing on a realistic action plan. Project implementation with concern for sustained stakeholder commitment, good working relationships, and achieving project objectives requires organizational planning that favours partner involvement, shared leadership, agreed methods for communicating, conflict resolution methods, recognition of each participant's expertise, and creating a climate of trust. Upon concluding a partnership research project, it is essential to devote time to implement project results in local environments and to ascertain their usefulness to partners. IS partnership research challenges and facilitators are similar to those identified in past research. Despite this knowledge, challenges persist. Future research could explore tools and practices from other domain to overcome partnership research challenges.
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 | 0,141 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,013 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,004 | 0,037 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».