Having our cake and eating it too: seeking the best of both worlds in expertise research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CONTEXT: Education researchers in a variety of disciplines have attempted to use their understanding of expert processes to inform learning across the continuum from school learning to lifelong learning. In medical education, this has led to models of expertise that aim to understand accurate and efficient clinical reasoning. More recently, researchers outside medicine have begun to develop models of 'adaptive expertise'. As these additional constructions of expertise are introduced into health professions education, there is considerable potential to enhance research in medical expertise by providing opportunities for us to identify our implicit assumptions and reflect on the ways in which our theoretical lenses bias our perceptions of what it means to be an expert. METHODS: Firstly, we critically examine these two broad categories of research on expertise and their underlying assumptions and implications. Our exploration is organised around four main questions: (i) How is expertise defined? (ii) How does it develop? (iii) What is investigated? (iv) Based on what is known, what does an expert look like? Secondly, we discuss some implications and topics of future inquiry for research programmes informed by an inclusive understanding of expert practice and development. CONCLUSIONS: In articulating two paradigms of expertise, our goal is to explore the research questions, methods and findings that underpin them and to make explicit the resulting emphases on specific aspects of expert performance. Our resulting collaborative understanding of expertise yields a richer, more complex and ultimately more accurate view of expert performance, with important implications for future research in medical education.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle