A RIME Perspective on the Quality and Relevance of Current and Future Medical Education Research
Notice bibliographique
Résumé
In this article, the authors consider the quality and relevance of current and future medical education research by (1) presenting a framework for medical education research and reviewing basic principles of "good" empirical work, (2) extending the discussion of principles to "best practices," (3) considering the distinctive features of medical education that present challenges to the researcher, and (4) discussing opportunities for expanding the scope and influence of medical education research. Their audience is intended to be clinicians involved in education, deans and associate deans who create and direct educational curricula and processes, and those from offices critical to the educational mission such as admissions, student services and financial aid, as well as medical education researchers. The authors argue that the quality and relevance of current work can be enhanced when research is situated within a general framework and questions are asked that are based on literature and theory and push the field toward new knowledge. Obviously methods and designs must be appropriate and well-executed and sufficient data must be gathered. Multiple studies are highlighted that showcase the rigor and creativity associated with excellent quality work. However, good research is not without its challenges, most notably short timelines and the need to work within an ever-changing real-life educational environment. Most important, the field of medical education research has many opportunities to increase its impact and advance its quest to study important learners' behaviors and patients' outcomes. Programs to train and collaborate with clinical and administrative colleagues, as well as researchers in other fields, have great potential to improve the quality of research in the field.
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 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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».