Scanning resources to build an international nursing knowledge network
Notice bibliographique
Résumé
This paper reports the gathered information from an international environmental scan of university-baseline information for the creation of a Nursing Knowledge Network. An online environment scan of organizational context (February to October 2021) explored the identification of research areas, existing resources, expected benefits, innovations in teaching research, barriers to knowledge dissemination, and prospective contributions of the Network. Target informants were 200 nursing faculty affiliated with 63 universities located in 13 countries, as well as nursing networks in the Ibero-American context. One informant per university was asked to respond to the questionnaire. The participation rate was nearly 70% (42/63). The informants’ universities per country included Brazil (n = 21), Canada (n = 4), Portugal and Spain (n = 3 each), Colombia, Mexico, Peru and USA (n = 2 each), Chile, Italy and Paraguay (n = 1 each). Nursing faculty provided rich information and shared knowledge confirming a strong commitment to global co-creation of innovations and research partnership capacities through collaboration, cooperation, and knowledge exchange among nursing higher education institutions. Seldom researched areas are a potential focus for the Network to generate appropriate evidence to inform local scientific practices. The gathered information will inform further review of nursing and governmental policies and programs related to the application and dissemination of nursing evidence across local, regional, and global levels.
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 | 0,010 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,005 |
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 ».