MétaCan
Menu
Retour à la cohorte
Enregistrement W2058704881 · doi:10.2147/jmdh.s39731

How to set-up a long-distance mentoring program: a framework and case description of mentorship in HIV clinical trials

2013· article· en· W2058704881 sur OpenAlexafffundabout
Lawrence Mbuagbaw, Lehana Thabane

Notice bibliographique

RevueJournal of Multidisciplinary Healthcare · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMentorshipMultidisciplinary approachContext (archaeology)Medical educationSet (abstract data type)Variety (cybernetics)Human immunodeficiency virus (HIV)PublicationFace (sociological concept)Work (physics)Plan (archaeology)MedicineKnowledge managementComputer scienceEngineeringPolitical scienceSociologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Mentoring plays an important role in learning and career development. Mentored researchers are more productive and more likely to publish their work. However, mentorship programs are not universally used in most settings or disciplines. Furthermore, successful and mutually beneficial mentoring relationships are not always easy to arrange. Long-distance mentoring relationships are even more difficult to handle and may break down for a wide variety of reasons. Drawing from our experiences with the first Canadian Institutes of Health Research - Canadian HIV Trials Network international postdoctoral fellowship program, we describe the roles of the context, the key mentor and the mentee attributes; goals and expectations; environments, local support, a communication plan, funding, face-to-face contact, multidisciplinary collaboration, co-mentoring, and evaluation as they apply to the successful implementation of a long-distance mentoring program.

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)0,063
score de la tête « metaresearch » (Gemma)0,054
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,332

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,004
Études des sciences et des technologies0,0220,016
Communication savante0,0160,013
Science ouverte0,0070,016
Intégrité de la recherche0,0150,014
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,256
Tête enseignante GPT0,499
Écart entre enseignants0,243 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Multidisciplinary HealthcareMême sujetMentoring and Academic DevelopmentTravaux en français237 207