MétaCan
Menu
Retour à la cohorte
Enregistrement W1967378757 · doi:10.1080/13561820802565619

Interprofessional learning in the trenches: Fostering collective capability

2009· article· en· W1967378757 sur OpenAlexafffund
Hassan Soubhi, Nicole Rege Colet, John Gilbert, Paule Lebel, Robert Thivierge, Catherine Hudon, Martin Fortin

Notice bibliographique

RevueJournal of Interprofessional Care · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensInstitut Universitaire de Gériatrie de MontréalUniversity of British ColumbiaUniversité de MontréalUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésKnowledge managementInterdependenceValue (mathematics)PsychologyOrganizational learningResource (disambiguation)Social workWork (physics)SociologyComputer scienceEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

The greatest resource for improving interprofessional learning and practice is the knowledge, wisdom, and energy of professionals who adapt to challenging situations in their everyday work. We call collective capability the ability of a group of professionals to balance two interdependent levels of organization of practice: what professionals know and what they do collectively over time. Organizing what professionals know links the relational value--caring for patients--to the knowledge value of practice. Organizing what professionals do includes human and organizational factors that facilitate collective work and learning: technical skills for care delivery, institutional support, and a complex mix of emotional, ethical and moral factors involved in social decision-making. Performance gaps can result from a lack of an integrated knowledge framework or from a disembodied knowledge that is not anchored in practice. Opportunities for continuous learning can be seized by documenting the source of the performance gap, and providing the relevant resources to establish the balance between the organization of knowledge and the organization of work.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
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 Opus0,039
Tête enseignante GPT0,443
Écart entre enseignants0,404 · 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'étudeQualitatif
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

Citations36
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Interprofessional CareMême sujetInterprofessional Education and CollaborationTravaux en français237 207