MétaCan
Menu
Retour à la cohorte
Enregistrement W2106975599 · doi:10.1111/j.1365-2923.2011.04032.x

Putting the expert together again

2011· article· en· W2106975599 sur OpenAlexaff
Maria Mylopoulos, Glenn Regehr

Notice bibliographique

RevueMedical Education · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of British ColumbiaSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAffordanceConstruct (python library)Engineering ethicsDimension (graph theory)Knowledge managementRepertoireComputer sciencePsychologyEngineeringHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

CONTEXT: The study of expertise in medical education has a long history of success. Researchers have identified and elaborated on many dimensions of expert performance. In part, this success has derived from researchers' ability to effectively isolate the dimensions and explore each separately. Although this deconstruction of the expert has been successful, the need to recombine the dimensions of expertise as part of an integrated construct of expert practice has recently become an increasingly evident imperative in health professions education. METHODS: The aims of this paper are first to explore dimensions of expert practice as they are expressed in the expertise literature; secondly, to describe more recent programmes of research that have tried to elaborate on how experts integrate these various dimensions during daily practice, and, finally, to examine the potential implications of research exploring how experts integrate their own knowledge and skills with the affordances of the environment in which they work. RESULTS AND CONCLUSIONS: There are both challenges and opportunities in elaborating an integrated discourse on expertise. Exploring directions for research related to this integrated construction of the practising expert may add an important dimension to our educational repertoire.

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)0,009
score de la tête « metaresearch » (Gemma)0,023
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0110,035
Communication savante0,0100,017
Science ouverte0,0010,013
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,027
Tête enseignante GPT0,356
Écart entre enseignants0,329 · 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
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

Citations68
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetInnovations in Medical EducationTravaux en français237 207