MétaCan
Menu
← Retour à la cohorte
Enregistrement W6939890632 · doi:10.6084/m9.figshare.c.4823835

Building an integrated knowledge translation (IKT) evidence base: colloquium proceedings and research direction

2020· other· en· W6939890632 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2020
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycorrhizal Fungi and Plant Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKnowledge translationCLARITYRelevance (law)Process (computing)UnderpinningField (mathematics)Knowledge sharing

Résumé

récupéré en direct d'OpenAlex

Abstract Background Integrated knowledge translation (IKT) is a model of research co-production, whereby researchers partner with knowledge users throughout the research process and who can use the research recommendations in practice or policy. IKT approaches are used to improve the relevance and impact of research. As an emerging field, however, the evidence underpinning IKT is in active development. The Integrated Knowledge Translation Research Network represents a collaborative interdisciplinary team that aims to advance the state of IKT science. Methods In 2017, the Integrated Knowledge Translation Research Network issued a call to its members for concept papers to further define IKT, outline an IKT research agenda, and inform the Integrated Knowledge Translation Research Network’s special meeting entitled, Integrated Knowledge Translation State of the Science Colloquium, in Ottawa, Canada (2018). At the colloquium, authors presented concept papers and discussed knowledge-gaps for a research agenda and implications for advancing the IKT field. We took detailed field notes, audio-recorded the meeting and analysed the data using qualitative content analysis. Results Twenty-four participants attended the meeting, including researchers (n = 11), trainees (n = 6) and knowledge users (n = 7). Seven overarching categories emerged from these proceedings – IKT theory, IKT methods, IKT process, promoting partnership, definitions and distinctions of key IKT terms, capacity-building, and role of funders. Within these categories, priorities identified for future IKT research included: (1) improving clarity about research co-production/IKT theories and frameworks; (2) describing the process for engaging knowledge users; and (3) identifying research co-production/IKT outcomes and methods for evaluation. Conclusion The Integrated Knowledge Translation State of the Science Colloquium initiated a research agenda to advance IKT science and practice. Next steps will focus on building a theoretical and evidence base for IKT.

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)0,406
score de la tête « metaresearch » (Gemma)0,487
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,732

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4060,487
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0190,017
Études des sciences et des technologies0,0100,019
Communication savante0,0330,041
Science ouverte0,0120,029
Intégrité de la recherche0,0130,023
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,188
Tête enseignante GPT0,345
Écart entre enseignants0,158 · 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
GenreAutre

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetMycorrhizal Fungi and Plant Interactions→Travaux en français237 207→