Notice bibliographique
Résumé
PURPOSE: To identify and examine the characteristics of the 50 top-cited articles in medical education. METHOD: Two searches were conducted in the Web of Knowledge database in March 2014: a search of medical education journals in the category "Education, Scientific Discipline" (List A) and a keyword search across all journals (List B). Articles identified were reviewed for citation count, country of origin, article type, journal, authors, and publication year. RESULTS: Both lists included 56 articles, not 50, because articles with the same absolute number of citations shared the same rank. The majority of List A articles were published in Academic Medicine (34; 60.7%) and Medical Education (16; 28.6%). In List B, 27 articles (48.2%) were published in medical education journals, 19 (33.9%) in general medicine and surgery journals, and 10 (17.9%) in higher education and educational psychology journals. Twenty-six articles were included in both lists, with different rankings. Reviews and articles constituted the majority of articles; there were only 8 research papers in List A and 13 in List B. Articles mainly originated from the United States, Canada, the Netherlands, and the United Kingdom. The majority were published from 1979 to 2007. There was no correlation between year and citation count. CONCLUSIONS: The finding that over half of List B articles were published in nonmedical education journals is consistent with medical education's integrated nature and subspecialty breadth. Twenty of these articles were among their respective non-medical-education journals' 50 top-cited papers, showing that medical education articles can compete with subject-based articles.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».