Navigating boundaries in coproduced research: a situational analysis of researchers’ experiences within integrated knowledge translation projects
Notice bibliographique
Résumé
Background: Research coproduction is advocated as an approach to produce more impactful evidence, by valuing a diversity of expertise and integrating knowledge users into research processes. Yet, extant literature finds that trying to bridge boundaries between different types of knowledge can also cause collaboration challenges and present barriers to success in coproduction. Aims and objectives: To study how researchers understand and manage knowledge boundaries in coproduced health research, or 'integrated knowledge translation' (IKT) as it is referred to in Canada. Methods: Data were collected from: 1) semi-structured interviews (n=20) with researchers leading different IKT projects across Canada; and 2) participant observation and document analysis for an in-depth case study of one IKT project. Data were combined and analysed using situational analysis, a modified grounded theory approach to visually map patterns of discourse along salient axes of controversy. Findings: We describe four key discursive positions participants take concerning knowledge boundaries in IKT: to recognise and handle, respect and clarify, blur and integrate, or challenge and embrace. These are plotted relative to two salient axes: the degree to which participants viewed boundaries as a problem, and the degree to which they believed boundaries should (or could) be challenged. Discussion and conclusion: The four discursive positions identified will help those doing coproduced research to critically reflect on their own position(s) regarding boundaries in collaborative research, and strategically discuss, select, or switch discourses as needed to support their goals.
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 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 | 0,025 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,032 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».