MétaCan
Menu
Retour à la cohorte
Enregistrement W1505529917 · doi:10.1111/j.1741-2358.2010.00444.x

Undergraduate geriatric education through community service learning

2011· article· en· W1505529917 sur OpenAlexaff
Mario Brondani, Alex Chen, Angela W. Chiu, Simon Gooch, Yen Chen Kevin Ko, Kevin Lee, Arash Maskan, Brett Steed

Notice bibliographique

RevueGerodontology · 2011
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Health and Care Utilization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDivision of Undergraduate Education
Mots-clésMedicineCurriculumService-learningPromotion (chess)Medical educationService (business)Component (thermodynamics)NursingGeriatricsGeriatric dentistryPedagogyFamily medicineOral healthPsychology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Despite the exponential growth of the elderly population worldwide, geriatric education has been a formal component of only a few dental schools' curricula. OBJECTIVE: To describe the geriatric community service learning (CSL) component of the professionalism and community service (PACS) module, and to explore a CSL project carried out by a group of first year dental students at a long-term care facility. METHODS: A literature review was performed to present and describe the CSL component of the PACS module. Students' personal reflections were used to illustrate some of the joys and challenges of experiencing a long-term care facility environment. RESULTS: The newly developed PACS module combines community service learning with the long-term care experience. Students develop, apply and evaluate an educational health promotion activity in a long-term care facility. CONCLUSIONS: The PACS module has encouraged students to acquire comprehensive knowledge and awareness of the needs and dynamics of a long-term care as they collaboratively interacted with personnel from the facility to develop their projects. The authors would like to engage other schools in discussing the need to integrate community-based geriatric education into their dental curricula.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,328
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGerodontologyMême sujetDental Health and Care UtilizationTravaux en français237 207