How to use communities of practice to support change in learning health systems: A landscape of roles and guidance for management
Notice bibliographique
Résumé
Background: Communities of practice support evidence-based practice and can be, in and of themselves, applied learning spaces in organizations. However, the variety of ways that communities of practice can support learning health systems are poorly characterized. Furthermore, health system leaders have little guidance on designing and resourcing communities of practice to effectively serve learning health systems. Methods: We conducted a collective case study, examining a cross-section of Canadian-based communities of practice dedicated to supporting evidence-based practice. We held semi-structured interviews with 21 participants representing 16 communities of practice and 5 community of practice facilitation platforms that provide administration support, tools, and oversight for multiple communities of practice. Using the Conceptual Framework for Value-Creating Learning Health Systems, we characterized the numerous roles that communities of practice can take to support learning health systems. We also pulled insights from the interviews on properly resourcing and managing communities of practice. Results: Communities of practice can advance learning health systems across learning cycles (ie, identifying learning priorities, generating data and knowledge, and implementing and evaluating change). They also act as important infrastructure required to share and coordinate across learning health systems. Community of practice facilitation platforms reduce staff members' workload, in turn, creating greater efficiency and effectiveness across community of practice lifespans. Furthermore, these platforms can be a mechanism to coordinate critical activities (e.g., priority alignment, knowledge brokerage/sharing across the broader system). Conclusion: To the authors' knowledge, this is the first study to characterize communities of practice across the learning health system landscape. With these results, learning health system leaders have a catalog that clarifies the potential communities of practice roles in knowledge generation, implementation, and uptake of new evidence. Furthermore, the results provide evidence that organizational investment in overarching community of practice facilitation platforms will strengthen and accelerate community of practice supports in learning health systems.
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 | 0,102 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,024 | 0,050 |
| Communication savante | 0,028 | 0,029 |
| Science ouverte | 0,009 | 0,026 |
| Intégrité de la recherche | 0,013 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».