MétaCan
Menu
Retour à la cohorte
Enregistrement W2069183703 · doi:10.1126/science.1197542

Science for Physicians

2010· editorial· en· W2069183703 sur OpenAlexaboutno aff
Molly Cooke

Notice bibliographique

RevueScience · 2010
Typeeditorial
Langueen
DomaineMedicine
ThématiqueHealth and Medical Research Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFoundation (evidence)CurriculumMedical educationMedical scienceMedical schoolEngineering ethicsMedicineMEDLINEPsychologyPolitical sciencePedagogyEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

Tension over the place of the basic sciences has been a hallmark of medical education in the United States for more than 100 years. In 1910, the Carnegie Foundation for the Advancement of Teaching issued Medical Education in the United States and Canada . Known as the Flexner report, it recommended devoting the first 2 of the 4 years of medical school to teaching the fundamentals of disciplines such as anatomy, chemistry, physiology, and pathology. This report served as the foundation for important improvements in medical education that lasted until the 1970s. Since then, U.S. medical schools have built on this foundation, with curricula in years 1 and 2 that increasingly aim to better integrate the science that underlies medicine with clinical practice. This path has proven successful, but there remains a lack of consensus on how much exposure to the basic sciences physicians in training need, with some even arguing that a background in science is not needed at all. For this and other reasons, my colleagues and I have recently completed an intensive 4-year study of U.S. medical education. We conclude that science will be critical for the future physician and that preparing physicians to incorporate science and scientific advances over their careers should be a central goal of medical education at all levels.

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)0,004
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,028
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0070,005
Science ouverte0,0020,003
Intégrité de la recherche0,0130,028
Charge utile insuffisante (le modèle a refusé de juger)0,0240,016

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 Opus0,083
Tête enseignante GPT0,515
Écart entre enseignants0,432 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations5
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetHealth and Medical Research ImpactsTravaux en français237 207