Riding the Knowledge Translation Roundabout: Lessons Learned from the Canadian Institutes of Health Research Summer Institute in Knowledge Translation
Notice bibliographique
Résumé
Background: Funding the education and training of the next generation of health researchers is a key mandate of the Canadian Institutes of Health Research (CIHR) knowledge translation (KT) portfolio. The field of KT is growing daily; thus, the training and development of a new generation of KT researchers is essential.\nMethods: Using curriculum documents, participant evaluations, and self-reflection, this paper describes a unique Summer Institute hosted by the CIHR in Cornwall, Ontario, Canada. We outline the key aspects of a successful training initiative that could inform organizations and agencies worldwide with an interest in or who have a mandate for KT.\nResults: This work provides potential funders, faculty, and students with an inside look into the purpose, process, and outcomes of such training initiatives.\nConclusions: National and international KT organizations, research institutions, and funding agencies are encouraged to consider replicating the training model employed here, as investment into KT personnel will foster the advancement of the field within and beyond local borders.'To the individual who devotes his/her life to science, nothing can give more happiness than when the results immediately find practical application. There are not two sciences. There is science and the application of science, and these two are linked as the fruit is to the tree.' - Louis Pasteur, 1871 (from presentation by Ian Graham, 2008 CIHR Knowledge Translation Summer Institute).
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».