Electronic communities of practice: Guidelines from a project
Notice bibliographique
Résumé
The timely incorporation of health research into the routine practice of individual health practitioners and interprofessional teams is a widely recognized and ongoing challenge. Health professional engagement and learning is an important cog in the wheel of knowledge translation; passive dissemination of evidence through journals and clinical practice guidelines is inadequate when used alone as an intervention to change the practices of the health professionals.An evolving body of research suggests that communities of practice can be effective in facilitating the uptake of best practices by individual health professionals and teams. Modern information technologies can extend the boundaries and reach of these communities, forming electronic communities of practice (eCoP) that can be used to promote intra- and interprofessional continuing professional development (CPD) and team-based, patient-centered care. However, examples of eCoPs and examination of their characteristics are lacking in the literature. In this paper, we discuss guidelines for developing eCoP. These guidelines will be helpful for others considering the use of the eCoP model in interprofessional learning and practice.
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 | 0,114 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,008 | 0,017 |
| Intégrité de la recherche | 0,013 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,024 |
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 ».