MétaCan
Menu
Retour à la cohorte
Enregistrement W4416858279 · doi:10.1002/cl2.70084

Enhancing Policy Impact Through Knowledge Translation: The Role of Innovative Evidence Products

2025· article· en· W4416858279 sur OpenAlexaff
Ashima Mohan, Howard White

Notice bibliographique

RevueCampbell Systematic Reviews · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensCentre for Advancing Health Outcomes
Organismes subventionnairesnon disponible
Mots-clésKnowledge translationBridge (graph theory)Psychological interventionEvidence-based policyInformation DisseminationPublic policyResearch policyFocus (optics)

Résumé

récupéré en direct d'OpenAlex

The objective of applied social science research is to inform policy and practice to improve societal outcomes (White and Welch 2022).However, in the words of the head of the World Bank's Development Impact Group, DIME, 'Dissemination is dead'. 1 That is, traditional dissemination pathways-academic publications, conference presentations, and even policy briefs-are insufficient for achieving meaningful policy uptake.No matter how rigorous or relevant, research alone does not usually translate into policy impact without deliberate, structured mechanisms to bridge the gap between evidence generation and decision-making.The recognition of this fact has resulted in the growth of knowledge translation as what has been called the fourth wave of the evidence revolution (White 2019). Knowledge translation is 'the exchange, synthesis, and effective communication of reliable and relevant research results.The focus is on promoting interaction among the producers and users of research, removing the barriers to research use, and tailoring information to different target audiences so that effective interventions are used more widely' (World Health Organization 2004).There are various approaches to knowledge brokering.These include direct interaction between researchers and decision-makers in interpreting and using the findings, in-house knowledge brokers, creating a 'helpdesk' function, or using an independent rapid review service. | Evidence Portals: An Emerging ModelEvidence portals provide interactive, web-based platforms that curate and categorize evidence in user-friendly formats.The first examples come from the education sector, starting with the US Institute of Education Science's What Works Clearinghouse, and the Education Endowment Foundation's (EEF) Teaching and Learning Toolkit. 4 The EEF toolkit lists over 30 approaches

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,346
score de la tête « metaresearch » (Gemma)0,499
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,806

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3460,499
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0150,013
Études des sciences et des technologies0,0050,032
Communication savante0,0530,058
Science ouverte0,0080,040
Intégrité de la recherche0,0190,019
Charge utile insuffisante (le modèle a refusé de juger)0,0230,005

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.

Tête enseignante Opus0,705
Tête enseignante GPT0,690
Écart entre enseignants0,015 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCampbell Systematic ReviewsMême sujetHealth Policy Implementation ScienceTravaux en français237 207