MétaCan
Menu
Retour à la cohorte
Enregistrement W1985248569 · doi:10.3109/13561820.2012.736889

Theories, relationships and interprofessionalism: Learning to weave

2012· article· en· W1985248569 sur OpenAlexaff
Pippa Hall, Lynda Weaver, Pamela Grassau

Notice bibliographique

RevueJournal of Interprofessional Care · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversity of OttawaBruyère
Organismes subventionnairesnon disponible
Mots-clésToolboxInterprofessional educationValue (mathematics)PsychologyDominance (genetics)Health careSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

In this article, we illustrate the application of a number of theoretical frameworks we have used to guide our work in interprofessional education (IPE) and collaborative interprofessional care (IPC). Although we do not claim to be experts in any one of these theories, each has offered important insights that have broadened our understanding of the complexities of interprofessional learning and practice. We have gained an appreciation for an increasing number of theories relevant to IPE and IPC, and, as a result, we have woven together more key principles from different theories to develop activities for all levels of interprofessional learners and clinicians. We pay particular attention to relational competencies, knotworking/idea dominance, targeted tension and situational awareness. We are now drawing on the arts and humanities and complexity theory to foster relationship-building learning. Evaluation of our endeavors will eventually follow these latter theories for methods that better match the human and social experiences that underpin learning. Our "theoretical toolbox" therefore may be of value to educators who develop and implement creative interprofessional learning activities, as well as clinicians interested in moving toward more effective collaboration.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,480
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,432
Écart entre enseignants0,400 · 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'étudeObservationnel
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

Citations33
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

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