Partnering for Impact: A Blueprint for Knowledge Translation Initiatives in the Canadian Sport Sector
Notice bibliographique
Résumé
Evaluation is an essential organizational practice in sport, but many organizations do not have adequate capacity to engage in evaluative work. To address this gap, academic researchers partnered with Canada's Sport Information Resource Centre, a nationally serving nonprofit dedicated to knowledge translation in sport, to develop, deliver and evaluate a series of webinars and knowledge products (e.g. blog posts, videos) that aimed to build evaluation capacity among sport organizations. The initiative produced four webinars and 16 knowledge products that reached 753 sport stakeholders, with 86% of survey respondents reporting an increase in evaluation knowledge. Using the Knowledge to Action and RE-AIM frameworks, this paper provides a blueprint for higher education professionals seeking to co-develop, co-deliver and co-evaluate knowledge translation initiatives in partnership with nonprofit sport organizations in Canada.This is an Accepted Manuscript of an article published by Taylor & Francis in Quest on 2023-07-06, available online: https://www.tandfonline.com/10.1080/00336297.2023.2209331. Deposited by shareyourpaper.org and openaccessbutton.org. We've taken reasonable steps to ensure this content doesn't violate copyright. However, if you think it does you can request a takedown by emailing help@openaccessbutton.org.
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 | 0,213 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,034 | 0,040 |
| Communication savante | 0,046 | 0,025 |
| Science ouverte | 0,009 | 0,040 |
| Intégrité de la recherche | 0,014 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,008 |
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 ».