The community comes to campus: the Patient and Community Fair
Notice bibliographique
Résumé
BACKGROUND: Community-based learning connects students with local communities so that they learn about the broad context in which health and social care is provided; however, students usually interact with only one or a few organisations that serve a particular population. One example of a community-based learning activity is the health fair in which students provide health promotion and screening for local communities. CONTEXT: We adapted the health fair concept to develop a multi-professional educational event at which, instead of providing service, students learn from and about the expertise and resources of not-for-profit organisations. INNOVATION: The fair is an annual 1-day event that students can attend between, or in place of, classes. Each community organisation has a booth to display information. One-hour 'patient panels' are held on a variety of topics throughout the day. Evaluation methods include questionnaires, exit interviews and visitor tracking sheets. Over 5 years (2009-2013), the fair increased in size with respect to estimated attendance, number of participating organisations, number of patient panels and number of students for whom the fair is a required curriculum component. Students learn about a range of patient experiences and community resources, and information about specific diseases or conditions. IMPLICATIONS: The fair is an efficient way for students to learn about a range of community organisations. It fosters university-community engagement through continuing connections between students, faculty members and community organisations. Lessons learned include the need for community organisations to have techniques to engage students, and ways to overcome challenges of evaluating an informal 'drop-in' event. The fair is an efficient way for students to learn about a range of community organisations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,006 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,003 | 0,024 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».