MétaCan
Menu
Retour à la cohorte
Enregistrement W2026439236 · doi:10.1258/1357633001935473

Telelearning in a partnership between a university faculty and a regional health authority: Benefits, challenges and strategies

2000· article· en· W2026439236 sur OpenAlexaffabout
P. A. Jennett, Cheri Nijssen‐Jordan, Brian Wiggs, Min Gao, V. L. H. Person, K. Andruchuk, Robert V Johnston

Notice bibliographique

RevueJournal of Telemedicine and Telecare · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensWinnipeg Regional Health AuthorityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipExcellenceTelehealthPublic relationsFlexibility (engineering)RestructuringQuality (philosophy)Health careBusinessKnowledge managementPolitical scienceManagementComputer scienceTelemedicine

Résumé

récupéré en direct d'OpenAlex

The University of Calgary's Faculty of Medicine and the Calgary Regional Health Authority understand that telehealth is an evolving field requiring both academic enquiry and operational readiness. Both parties are committed to quality educational programmes--the Faculty through its commitment to excellence and the Authority with its charge to maintain and enhance such programmes. There are shared applications, multi-learner user groups, shared strategies to overcome distances and shared infrastructure--technologies, communication pathways and resources. Having embarked on a joint telelearning venture, we have learned a number of lessons. Central to progress has been an appreciation and respect for unique mandates, a spirit of trust and flexibility, an agreement on a set of principles, ongoing communication between and participation from the users and, at times, redirection. Questions being answered include the following. How well is this collaborative model working? How functional is it at this time of health reform and restructuring? Can one meet complementary telelearning goals within a faculty-health authority relationship? These all have implications for future success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,008
Communication savante0,0160,016
Science ouverte0,0040,026
Intégrité de la recherche0,0120,006
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,103
Tête enseignante GPT0,362
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Telemedicine and TelecareMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207