Passer de la connaissance à l’action pour résoudre des problèmes complexes : aperçu de l’examen de neuf cas internationaux
Bibliographic record
Abstract
Introduction La résolution de problèmes complexes du type de la prévention des maladies chroniques présente des défis particuliers pour la création et le transfert de connaissances, soit le passage de la connaissance à l’action (PCA). Les approches axées sur le PCA respectant les principes de la pensée systémique sont jugées prometteuses, mais les stratégies pour les mettre en place ne sont pas bien comprises. Dans cet article, nous présentons les résultats d’une analyse de plusieurs approches systémiques axées sur le PCA dans le but de déterminer comment optimiser leur mise en oeuvre et leur efficacité. Méthodologie Un groupe consultatif de cinq personnes a choisi neuf initiatives représentant une diversité d’enjeux et de formes organisationnelles. Pour chaque cas, l’information a été recueillie à partir de documents et par l’entremise d’entrevues téléphoniques avec des personnes-ressources de chaque organisation. Après la vérification des descriptions de cas, une analyse inductive a été effectuée à la fois pour chaque cas et entre les cas. Résultats Ces cas ont révélé cinq lignes directrices permettant de passer de la conception de systèmes de PCA à leur mise en oeuvre : 1) établir et entretenir des relations, 2) coproduire et organiser les connaissances, 3) créer des boucles de rétroaction, 4) les encadrer comme des interventions systémiques plutôt que comme des projets et 5) envisager des variations dans le temps et selon les lieux. Conclusion Les résultats de cette analyse contextuelle constituent un départ modeste pour transformer en résultats concrets les concepts systémiques de PCA. L’utilisation des stratégies mises au jour pourrait améliorer le PCA pour la résolution de problèmes complexes en matière de santé publique. Les stratégies elles-mêmes pourront bénéficier de l’évolution d’une science visant à comprendre l’adaptation et l’apprentissage constant des politiques et des interventions pratiques, ce qui renforcera les relations durables et comblera les lacunes des systèmes, et pas simplement celles des données probantes. Les approches systémiques de PCA tireront également des bénéfices d’évaluations rigoureuses.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".