MétaCan
Menu
Retour à la cohorte
Enregistrement W2068529263 · doi:10.1002/chp.161

Distance education for physicians: Adaptation of a Canadian experience to Uruguay

2008· article· en· W2068529263 sur OpenAlexafffundabout
Laura Llambí, Álvaro Margolis, John Toews, Juan Dapueto, Elba Esteves, Elisa Martínez, Thais Forster, Antonio López, Jocelyn Lockyer

Notice bibliographique

RevueJournal of Continuing Education in the Health Professions · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésAdaptation (eye)Context (archaeology)Process (computing)Distance educationQuality (philosophy)Face (sociological concept)Professional developmentMedical educationComputer sciencePublic relationsKnowledge managementQualitative researchQuality managementHealth carePsychologyPolitical scienceSociologyMedicineBusinessMarketingPedagogyGeography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The production of online high-quality continuing professional development is a complex process that demands familiarity with effective program and content design. Collaboration and sharing across nations would appear to be a reasonable way to improve quality, increase access, and reduce costs. METHODS: In this case report, the process of adapting and modifying a course to improve the management of Alzheimer's disease developed for the Canadian context for use in Uruguay is described. RESULTS: Both quantitative and qualitative data on the process are shown. The original course was developed by the University of Calgary in the 1990s, and taught initially face to face and later online. The adaptation included using a distance education system developed and widely used in Uruguay, called eviDoctor. DISCUSSION: The key aspects of transforming this course from one country to another with different resources, health care systems, culture, and language are analyzed. Problems encountered are described, as well as their possible solutions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,357
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,054
Tête enseignante GPT0,435
Écart entre enseignants0,381 · 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.

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

Citations17
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Continuing Education in the Health ProfessionsMême sujetOnline and Blended LearningTravaux en français237 207