Inclusion of librarians and information professionals in Canadian knowledge synthesis grant funding
Notice bibliographique
Résumé
Introduction: Librarians continually advocate for the expertise they can bring to knowledge synthesis research projects. Professional associations like the Canadian Health Libraries Association aim to promote librarians and information professionals as partners in health research. This push for representation must happen at a policy level to enact change. To that purpose, we explored the degree to which the inclusion of librarians and information professionals is represented at the funding level by healthcare research organizations in Canada. Methods: We used a list of health research funding agencies generated from Scopus searches and an independent search of Canadian health research institutions, governmental health authorities, professional associations, and research-oriented universities to identify research grants designed for knowledge synthesis research. We examined these grants to determine whether they require or specifically mention librarians in their eligibility criteria. Results: Of the 14 knowledge synthesis grants we identified, only one required a health librarian as a member of the research team in the grant eligibility criteria. Four grants “strongly recommended” the inclusion of librarians on the research team, though this inclusion was not a contingency for funding. Discussion: Most knowledge synthesis grants in Canada do not require, recommend, or mention librarians as members of the research or authorship team. Evidence suggests that librarian involvement substantially improves the quality of knowledge synthesis research projects; it would therefore benefit both librarians and knowledge synthesis work to advocate for librarian involvement as a contingency for grant funding.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».