Renforcement de la capacité de développement et d'échange des connaissances au Canada : leçons de Youth Excel
Bibliographic record
Abstract
Introduction Youth Excel est une initiative pancanadienne de 3 ans qui a eu comme objectif de favoriser la santé chez les jeunes par le biais de l'amélioration de la capacité de développement et d'échange des connaissances (DEC). La capacité de DEC repose sur un cycle d'amélioration reliant données probantes et interventions. Ses composantes étaient la surveillance locale des comportements des jeunes; l'échange de connaissances; les compétences, les ressources et l'environnement favorable pour l'utilisation des connaissances et enfin l'évaluation. Méthodologie Nous avons réalisé des entrevues auprès de membres de Youth Excel relevant de sept équipes provinciales et de deux organisations nationales. Ces entrevues portaient sur les expériences des participants en lien avec le renforcement de la capacité de DEC. Résultats L'élément central de la capacité de DEC était constitué par les systèmes de surveillance locale, renforcé par la coordination d'enquêtes au sein des administrations et entre administrations et par le recours à des indicateurs et à des mesures communes. Les échanges de connaissances les plus efficaces étaient ceux qui portaient sur des produits adaptés et qui mettaient à profit les occasions de dialogue et de planification des interventions. La capacité évaluative est demeurée la capacité de DEC la moins élaborée. Le renforcement de la capacité globale de DEC repose sur un dialogue fréquent, des partenariats mutuellement bénéfiques et de la confiance. Il exige également que l'on porte attention au langage, à la vision, au leadership stratégique et au financement. Conclusion L'expérience de Youth Excel montre qu'il faut, pour renforcer un système de DEC qui améliore la santé des jeunes, explorer de nouvelles perspectives et obtenir un engagement soutenu de la part des champions ainsi que des organisations concernées.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| 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".