Knowledge Mobilization in Research With Equity- and/or Sovereignty-Deserving Communities: A Bibliometric Analysis Protocol
Notice bibliographique
Résumé
Introduction: Knowledge mobilization (K*)—a term encompassing activities such as synthesis, dissemination, exchange, and application of knowledge—is discussed and cited across disciplines, particularly in research addressing equity- and/or sovereignty-deserving communities. Despite increasing calls for applied research, significant gaps remain between knowledge generation and its outcomes. Community-based participatory research (CBPR) aims to narrow this gap, especially in contexts marked by historical and systemic exclusion. Objectives and Methods: The objectives of this bibliometric analysis are to examine how K* terminology is applied, cited, and connected across disciplines, geographies, authors, and journals, and to produce accessible visual data that highlights patterns related to equity- and/or sovereignty-deserving communities. Adhering to established bibliometric methods, we will use Covidence to pre-screen records, export relevant records for a search within the Web of Science Core Collection to generate data, and then analyze and visualize citation and authorship trends and keyword occurrences using Excel, VOSviewer, and Gephi. Results and Discussion: The findings will reveal the frequently used K* terms, their citation patterns, and how they cluster across disciplines, geographies, authors, and journals. Network visualizations will highlight influential citations, recurring keywords such as equity and community engagement, and thematic intersections with research involving equity- and/or sovereignty-deserving communities. The bibliometric analysis will contribute critical insights into how K* is framed and interacts with equity- and/or sovereignty-deserving communities within the literature. Conclusion: Our protocol serves as a replicable guide for future bibliometric analyses in this area. By leveraging systematic searching protocols and the rigour of bibliometrics, we can create data visualizations to map influence, reveal hidden connections, and present complex knowledge landscapes in ways that are both analytically robust and accessible to diverse audiences, including equity- and/or sovereignty-deserving communities.
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 | 0,028 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,216 | 0,321 |
| Études des sciences et des technologies | 0,014 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes 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 ».