Notice bibliographique
Résumé
An organization can drive quality only through its people. Too often, we relegate quality to a single department or a small group of evangelical leaders but fail to make it everyone's business. Accountability has become a buzzword, and we have translated it into huge agreements with myriads of measures and indicators, all purporting to have something to do with quality.Institutions need to focus on a few things to improve quality. How do you build a culture? You plan, you pick certain goals to which you aspire, you set targets and you measure against those targets. You provide the skills, knowledge, expertise and infrastructure necessary to enable people to meet those targets, and then you drive for them. And you are transparent about it.I often think that we overcomplicate quality. As I have said repeatedly, it is as simple as choosing a measure, planning to implement some changes and re-measuring to see if your changes have had any impact. You don't need a national council, or even a provincial one, to make quality happen in the day-to-day operations of every healthcare organization in the country. Rather, you just need to get started.
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 | 0,005 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,013 | 0,008 |
| Communication savante | 0,007 | 0,014 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,043 | 0,058 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,024 |
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 ».