MétaCan
Menu
Retour à la cohorte
Enregistrement W1923403374 · doi:10.5195/ijms.2014.86

Social Media Etiquette for the Modern Medical Student:A Narrative Review

2014· article· en· W1923403374 sur OpenAlexafffund
Brittany Harrison, Jeewanjit Gill, Alireza Jalali

Notice bibliographique

RevueInternational Journal of Medical Students · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésEtiquetteSocial mediaSocializationNarrativeConfidentialityAffect (linguistics)PsychologyMisconductMedical educationCreativityPublic relationsInternet privacySocial psychologyPolitical scienceMedicineLawComputer science

Résumé

récupéré en direct d'OpenAlex

Most medical students worldwide are using some form of social media platform to supplement their learning via file sharing and to stay up-to-date on medical events. Often, social media may blur the line between socialization and educational use, so it is important to be aware of how one is utilizing social media and how to remain professional. Research has yielded some troublesome themes of misconduct: drunken behaviour, violations of confidentiality and defamation of institutions. Because there is no universal policy to monitor online professionalism, there exists the potential for indiscretions to occur. It has been reported that misdemeanours can affect future residency placements and employment for medical students. Accordingly, studies suggest that educators need to recognize this new era of professionalism and adapt policies and reprimands to meet modern outlets where professionalism may be violated.

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)0,018
score de la tête « metaresearch » (Gemma)0,067
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,067
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0050,000
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 Opus0,110
Tête enseignante GPT0,560
Écart entre enseignants0,450 · 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
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

Citations14
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Medical StudentsMême sujetSocial Media in Health EducationTravaux en français237 207