Strengthening Evidence-support Systems in a Challenged World
Notice bibliographique
Résumé
The COVID-19 pandemic stimulated new innovations in evidence support and exacerbated long-standing challenges confronting those providing evidence support. To build stronger and more sustainable evidence-support systems, two key issues are important: 1) matching a decision maker’s need to the right combination of forms of evidence; and 2) ensuring updated summaries of the evidence are available when decision-makers need it. This dissertation aims to address both issues by (1) creating a taxonomy of demand-driven types of question for which research could provide insight; (2) building lists of study designs that optimally address each type of question; and (3) producing a theoretical framework to better understand what constitutes a living evidence synthesis, when and how to update them, and their role in the decision-making process. The first study is a cross-sectional survey targeting units providing evidence support to decision makers to create a demand-driven taxonomy of types of question. The second study is an online Delphi process asking methodological experts to create a list of study designs to answer these questions. Finally, study 3 is a critical interpretive synthesis to create a theoretical framework to understand living evidence syntheses and their role in decision-making processes. In chapter 2, 29 participants responded the cross-sectional survey, and a taxonomy of 40 demand-driven types of questions structured in the four main decision-making stages was created. In chapter 3, 29 methodological experts participated in the online Delphi process, and consensus was reached for 28 out of the 40 types of questions. Finally, in chapter 4, 152 publications were included, and six thematic categories were found to produce a conceptual framework. Together, the first two studies provide a way to facilitate the alignment between evidence demand and supply, while the third study helps to clarify the role of living evidence syntheses in decision-making processes.
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 | 0,409 | 0,434 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,019 | 0,042 |
| Communication savante | 0,065 | 0,085 |
| Science ouverte | 0,010 | 0,046 |
| Intégrité de la recherche | 0,025 | 0,032 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».