Étude sur les systèmes d'échange des connaissances pour la santé des jeunes et la prévention des maladies chroniques : étude de cas menée dans trois provinces
Bibliographic record
Abstract
Introduction Les équipes de recherche ont adopté un modèle d'étude de cas utilisant un cadre d'analyse commun dans le but d'étudier trois systèmes provinciaux (Île-du-Prince-Édouard, Nouveau-Brunswick et Manitoba) d'échange des connaissances. Ces trois systèmes visent à générer et utiliser des données probantes lors de l'élaboration des politiques, de la planification des programmes et des évaluations afin d'améliorer la santé des jeunes et de prévenir les maladies chroniques. Méthodologie Nous avons appliqué un modèle d'étude de cas pour examiner en profondeur les leçons apprises (c.-à-d. les principales conditions ou les principaux processus contribuant au développement de la capacité d'échange des connaissances) à l'aide d'une méthode de collecte de données multiples. Les activités de gestion, de synthèse et d'analyse des données ont été simultanées, itératives et continues. Les leçons apprises ont été classées en sept catégories. Résultats L'échange des connaissances est un processus complexe, qui exige des champions et des partenariats de collaboration, une adaptation aux divers intervenants et qui exige aussi que les régions soient préparées. Analyse Dans l'ensemble, les systèmes d'échange des connaissances peuvent accroître la capacité d'échange et d'utilisation des données probantes en allant au-delà de la collecte et de la transmission de données. Leurs aires d'influence sont l'établissement de nouveaux partenariats, des activités élargies d'échange des connaissances et le perfectionnement des approches axées sur les politiques et les pratiques liées à la santé des jeunes et à la prévention des maladies chroniques.
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 | 0.008 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.010 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".