MétaCan
Menu
Retour à la cohorte
Enregistrement W1897537476 · doi:10.1111/j.1365-2923.2012.04298.x

From sick role to practices of health and illness

2012· review· en· W1897537476 sur OpenAlexaff
Arthur W. Frank

Notice bibliographique

RevueMedical Education · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDialogical selfSociologySociology of health and illnessMedical sociologyEpistemologyContext (archaeology)DisciplineHealth careNarrativePerspective (graphical)Social scienceMedicinePublic healthPolitical scienceNursingLaw

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Health care research generally, and medical education research specifically, make increasingly sophisticated use of social science methods, but these methods are often detached from the theories that are the substantive core of the social sciences. Enhanced understanding of theory is especially valuable for gaining a broader perspective on how issues in medical education reflect the social processes that contextualise them. METHODS: This article reviews five social science theories, emphasising their relevance to medical education, beginning with the emergence of the sociology of health and illness in the 1950s, with Talcott Parsons' concept of the 'sick role'. Four turning points since Parsons are then discussed with reference to the theory developed by, respectively, Harold Garfinkel, Michel Foucault and Pierre Bourdieu, and what is called the 'narrative or dialogical turn'. In considering these, the author argues for a theory-grounded research that relates specific problems to what Max Weber called the 'fate of our times'. CONCLUSIONS: The conclusion considers how medical education research can critique the reproduction of a discourse of scarcity in health care, rather than participating in this discourse and legitimating the disciplinary techniques that it renders self-evident.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,487
Écart entre enseignants0,432 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations65
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetInnovations in Medical EducationTravaux en français237 207