MétaCan
Menu
Retour à la cohorte
Enregistrement W4390863696 · doi:10.1080/17525098.2023.2296412

Practice research’s challenges and opportunities across project conceptualisation, implementation, and dissemination: a Singaporean case study

2024· article· en· W4390863696 sur OpenAlexaff
Jin Yao Kwan, Joanna Khor, Joe Chan

Notice bibliographique

RevueChina Journal of Social Work · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensReach Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)Exploratory researchWork (physics)Public relationsQualitative researchSociologyStructure and agencyPractice researchBest practiceKnowledge managementPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Because practice research’s benefits in social work contexts are well-documented, research attention has shifted to improving its operationalisation within organisations. However, few studies have examined practice research’s challenges and opportunities across project conceptualisation, implementation, and dissemination. Even fewer have considered practitioner-researcher and organisational power dynamics, especially in Asia. Using a qualitative exploratory case study approach, we first described the challenges a Singaporean youth work agency faced during conceptualisation, implementation, and dissemination across three practice-research projects. Subsequently, we evaluated how the core practice-research team seized opportunities to address these challenges (i.e. manpower and resourcing, disproportionate researcher influence, sustaining interest internally and externally) and future improvement opportunities (i.e. institutionalise knowledge, build organisational capacity, and examine structural impediments). Implications for practitioners and researchers and effective organisational strategies – internally, externally, and structurally – are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,039
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,207

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0130,007
Communication savante0,0050,004
Science ouverte0,0020,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,274
Tête enseignante GPT0,557
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChina Journal of Social WorkMême sujetSocial Work Education and PracticeTravaux en français237 207