MétaCan
Menu
Retour à la cohorte
Enregistrement W160185148

Teaching professionalism - Why, What and How.

2012· article· en· W160185148 sur OpenAlexaffabout
Sylvia R. Cruess, Richard L. Cruess

Notice bibliographique

RevuePubMed · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInstitutionExperiential learningIdentity (music)Medical educationPsychologyHealth carePedagogyMedicineSociologyPolitical scienceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Due to changes in the delivery of health care and in society, medicine became aware of serious threats to its professionalism. Beginning in the mid-1990s it was agreed that if professionalism was to survive, an important step would be to teach it explicitly to students, residents, and practicing physicians. This has become a requirement for medical schools and training programs in many countries. There are several challenges in teaching professionalism. The first challenge is to agree on the definition to be used in imparting knowledge of the subjects to students and faculty. The second is to develop means of encouraging students to consistently demonstrate the behaviors characteristic of a professional - essentially to develop a professional identity. Teaching of professionalism must be both explicit and implicit. The cognitive base consisting of definitions and -attributes and medicine's social contract with society must be taught and evaluated explicitly. Of even more -importance, there must be an emphasis on experiential learning and reflection on personal experience. The general principles, which can be helpful to an institution or program of teaching professionalism, are presented, along with the experience of McGill University, an institution which has established a comprehensive program on the teaching of professionalism.

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)0,008
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,010
Communication savante0,0070,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,047
Tête enseignante GPT0,332
Écart entre enseignants0,285 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations38
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetInnovations in Medical EducationTravaux en français237 207