Notice bibliographique
Résumé
The use of evidence by those involved in health and safety practice is at times sporadic with knowledge often kept behind paywalls and practitioners being unable to access it. There are additional problems with a gap between research within tertiary institutions being focused on single issue problems and the timing of research projects. This adds to the at times difficult, development of workplace interventions in a complex work environment. This presentation will highlight some of those issues around enabling translation of research into practice and talk about the pilot project, the Wellbeing at Work Hub. The Hub, based on a “what works” centre design was developed to take research evidence, synthesise it into a series of principles that can then be applied in practice. However, our immediate learnings from the pilot are that of credibility, thus any items shared have to be tested and validated through a systematic approach. While the hub pilot has been completed and we continue to build the hub, there is a need for further engagement involving stakeholders, industry, researchers and practitioners to identify the research questions that need to be addressed. The development of a research/practitioner network at VUW is ongoing and taking the example from Canada, where networks work together to co-design research which is both useful and doable. Working together we can build that evidence base, drawing from international research and building our own local research knowledge; with the aim of influencing and improving practice.
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 | 0,146 | 0,222 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,017 |
| Communication savante | 0,025 | 0,025 |
| Science ouverte | 0,005 | 0,024 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».