Youth knowledge mobilization: Reflections on theory and practice
Notice bibliographique
Résumé
This article explores knowledge mobilisation in youth research. We take as a starting point that youth knowledge mobilisation (YKMb) requires specific strategies because of the unique power dynamics involved in mobilising knowledge related to young people. However, existing knowledge mobilisation models cannot account for these specificities. YKMb often requires co-creation with partner organisations as well as with youth themselves, leading to diverse and sometimes fragmented approaches to YKMb. An overarching discussion about the theory and practice of YKMb is missing from the literature. To explore the factors that influence the diversity of approaches to YKMb, we take up reflexivity to explore the experiences of a YKMb Chair working in intersectoral partnerships as well as with young people in Quebec, Canada. This article features an emergent YKMb framework that conceptualises a continuum of approaches to mobilising knowledge about, for, with and by youth. Across these modes of working, several factors influence YKMb in practice, from research paradigm and context as well as specificities regarding which actors are involved and why these different actors want to mobilise knowledge, as well as what roles different actors play in knowledge production and mobilisation. These factors influence the continuum of roles that academic researchers may play in YKMb, from more traditional roles as knowledge translators to engaged roles such as facilitators, advocates and learners. Conceptualising YKMb through continuums of practice offers critical insights to support intersectoral and interdisciplinary teams of academic researchers, partners and young people in research co-creation to better bridge the gap between research and 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».