MétaCan
Menu
Retour à la cohorte
Enregistrement W7117253060 · doi:10.21083/caree.v1i1.8935

Encouraging Knowledge Diffusion through the Peer Group Learning Model

2025· article· W7117253060 sur OpenAlexaffabout
Natasha Wilkie, Adriane Catherine Good, Alexis DeCorby, Kathy Larson, Fonda Froats

Notice bibliographique

RevueCanadian Agri-food & Rural Advisory Extension and Education Journal · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueRural development and sustainability
Établissements canadiensUniversity of SaskatchewanSaskatchewan Ministry of Agriculture
Organismes subventionnairesnon disponible
Mots-clésPeer groupTest (biology)Peer productionPeer-to-peerProduction (economics)Peer feedbackPeer educationCommunity of practiceEarly adopterKnowledge sharing

Résumé

récupéré en direct d'OpenAlex

Producers learn from each other by sharing their experiences with implementing management practices – business, personnel, production - on their farms, while positively contributing to mental health and well-being (Betker and Lemoine, 2022; Farm Management Canada, 2012). The purpose of this project was to pilot peer learning groups to test their effectiveness as an alternative way to reach producers and encourage the involvement of early adopters in knowledge diffusion. Peer groups, comprised of Saskatchewan livestock producers, were formed to establish a peer-to-peer connection. Each peer group consisted of 5-8 operations, varying in their production model and location in the province. Meetings were organized throughout the year, being mainly virtual, with an option of one or two in-person meetings for each group. WhatsApp chats were created to encourage discussion outside of the meetings. Groups identified learning priorities for meetings based on mutual interests. Meetings were 90 minutes long and consisted of upcoming event notifications, guest speakers, and facilitated discussion. E-mails emphasizing key messages and relevant information were shared after every meeting. The peer group model is being expanded, with plans to create groups targeted to certain demographics, starting with young producers. An average of 60% of peer group members consistently attended their group’s meetings. Two-thirds of participants in the first iteration of peer groups had never previously participated in a peer group, and all were somewhat or very likely to recommend peer group participation to a friend. These groups amplified extension messaging and provided a sense of community among the members. Utilizing technology to form peer groups can increase knowledge diffusion by bringing early adopters from across the province together to share their experiences. This amplifies extension of practices and increases the speed of adoption on a larger scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0060,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,248
Écart entre enseignants0,231 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Agri-food & Rural Advisory Extension and Education JournalMême sujetRural development and sustainabilityTravaux en français237 207