Evaluation de stratégies de transfert de connaissances mises en œuvre dans le cadre du programme Équité-Santé au Burkina Faso
Bibliographic record
Abstract
L’utilisation des connaissances issues de la recherche (CIR) est primordiale pour informer les politiques, les interventions et les pratiques en santé, spécialement dans les pays à faible revenu où les indicateurs de santé des populations sont toujours inquiétants. Toutefois, encore peu d’études ont été réalisées pour mieux comprendre comment favoriser le transfert et l’utilisation de ces connaissances, spécialement en Afrique de l’Ouest. La présente thèse vise donc à faire avancer les connaissances en évaluant différentes stratégies de transfert de connaissances (TC) en santé publique mises en œuvre au Burkina Faso dans le cadre du programme de recherche Équité-Santé (2012-2017). Ces stratégies de TC visaient à créer des opportunités d’échanges entre les chercheurs et les utilisateurs potentiels des CIR et ainsi, réduire l’écart entre les connaissances issues de la recherche en santé et leur utilisation. Trois stratégies de TC distinctes ont été étudiées soit 1) un atelier de dissémination de la recherche, 2) un atelier incluant un processus délibératif et 3) une stratégie de courtage de connaissances. Elles ont impliqué une diversité d’acteurs tels que des chercheurs, des décideurs, des professionnels de santé et des représentants d’organisations non-gouvernementales et de la société civile. Une évaluation de la mise en œuvre et des effets a été réalisée pour les deux ateliers et une évaluation des processus de mise en œuvre a été conduite pour la stratégie de courtage de connaissances, étant donné l’arrêt de l’initiative plus tôt que prévu. Les activités d’évaluation ont mobilisé des approches méthodologiques complémentaires et divers outils pour collecter les données (entretiens qualitatifs, questionnaires d’évaluation et observations sur le terrain). Les résultats montrent que les stratégies de TC ont été appréciées par les acteurs car elles ont permis l’apprentissage de nouvelles connaissances et ont représenté une opportunité importante de réseautage afin d’apprendre les uns des autres. Cependant, ces différentes expériences ont mis en lumière plusieurs enjeux tels que le pouvoir décisionnel des acteurs parfois limité, la présence déficiente des décideurs politiques aux activités ainsi que les ressources et incitatifs organisationnels souvent restreints. La présence d’un leadership fort pour assurer une mise en œuvre efficace, le renforcement des relations de partenariat, le développement des compétences en communication et la possibilité d’offrir un accompagnement à long terme aux acteurs représentent également des défis importants pour assurer une mise en œuvre efficace des activités de transfert de connaissances. Davantage d’études sont nécessaires pour mettre en œuvre des stratégies de TC et évaluer leur efficacité. En se basant sur les résultats de la thèse, certaines recommandations générales peuvent être formulées. Par exemple, il apparait important que les stratégies de TC soient en cohérence avec les besoins et ressources des milieux, qu’elles visent le renforcement des capacités et incluent un processus évaluatif en temps réel afin que les stratégies soient adaptées au contexte. En conclusion, la thèse contribue à l’avancement des connaissances sur le TC en santé mondiale en proposant un modèle conceptuel à expérimenter pour guider le développement et la mise en œuvre des stratégies de TC.
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 | 0.163 | 0.177 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".