Evidence-based decision-making is a social endeavor
Notice bibliographique
Résumé
Evidence-based decision-making (EBDM)—using the best available evidence from multiple sources to make informed decisions—is critical to the successful functioning of any organization. Much of the literature on EBDM has focused on the decision-maker as an individual. Yet to be most efficient and effective, EBDM requires extensive communication with others. Our review of the body of research on EBDM shows that it is typical for several individuals and groups to contribute to evidence-based decisions. These varied participants provide the skills and knowledge needed to incorporate diverse types of evidence into the decision process. We have found that conversations and interactions through three distinct networks contribute to successful EBDM. These networks consist of decision-makers and their staff and either (a) researchers in a relevant field; (b) stakeholders in the community or organization; or (c) colleagues with similar responsibilities and challenges, which we call communities of practice. Building social connections with people in each of these networks enhances a person’s ability to make good decisions for an organization. It is therefore imperative that organizations engaging in EBDM have ongoing programs and policies geared toward creating and maintaining these three critical connections.
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 | 0,222 | 0,236 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,047 |
| Communication savante | 0,032 | 0,025 |
| Science ouverte | 0,007 | 0,025 |
| Intégrité de la recherche | 0,012 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 ».