The <i>community engagement for impact (CEFI) framework</i> : an evidence-based strategy to facilitate social change
Notice bibliographique
Résumé
Higher education’s focus is shifting to include societal impact alongside academic excellence. While community-engaged scholarship has a long history, many initiatives focus on individual researchers or institutional practices, without accounting for disciplinary and geopolitical contexts. The Community Engagement for Impact (CEFI) Framework and the Contextual Model of Community Engagement (CMCE) are based on findings of an in-depth, qualitative study of researchers’ strategies for community engagement. Results point to complex relationships between researchers, universities, and disciplines, shaped by government policy, research trends, community imperatives, and other factors. While participants fostered community relationships supporting social change, they did not receive appropriate training, support, or recognition. CEFI guides individuals and institutions to identify barriers and facilitators for engagement, across disciplines, for work involving industry organisations, community groups, governments, and other partners. When used alongside CMCE’s approach to local, national, and global factors, researchers, universities, and disciplines can better support pathways to societal impact.
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 | 0,264 | 0,209 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,019 | 0,015 |
| Études des sciences et des technologies | 0,012 | 0,047 |
| Communication savante | 0,035 | 0,026 |
| Science ouverte | 0,012 | 0,051 |
| Intégrité de la recherche | 0,016 | 0,025 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».