Conditions underpinning success in joint service-education workforce planning
Notice bibliographique
Résumé
Vancouver Island lies just off the southwest coast of Canada. Separated from the large urban area of Greater Vancouver (estimated population 2.17 million) by the Georgia Strait, this geographical location poses unique challenges in delivering health care to a mixed urban, rural and remote population of approximately 730,000 people living on the main island and the surrounding Gulf Islands. These challenges are offset by opportunities for the Vancouver Island Health Authority (VIHA) to collaborate with four publicly funded post-secondary institutions in planning and implementing responses to existing and emerging health care workforce needs. In this commentary, we outline strategies we have found successful in aligning health education and training with local health needs in ways that demonstrate socially accountable outcomes. Challenges encountered through this process (i.e. regulatory reform, post-secondary policy reform, impacts of an ageing population, impact of private, for-profit educational institutions) have placed demands on us to establish and build on open and collaborative working relationships. Some of our successes can be attributed to evidence-informed decision-making. Other successes result from less tangible but no less important factors. We argue that both rational and "accidental" factors are significant--and that strategic use of "accidental" features may prove most significant in our efforts to ensure the delivery of high-quality health care to our communities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,023 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».