Criteria for social media-based scholarship in health professions education
Notice bibliographique
Résumé
BACKGROUND: Social media are increasingly used in health professions education. How can innovations and research that incorporate social media applications be adjudicated as scholarship? OBJECTIVE: To define the criteria for social media-based scholarship in health professions education. METHOD: In 2014 the International Conference on Residency Education hosted a consensus conference of health professions educators with expertise in social media. An expert working group drafted consensus statements based on a literature review. Draft consensus statements were posted on an open interactive online platform 2 weeks prior to the conference. In-person and virtual (via Twitter) participants modified, added or deleted draft consensus statements in an iterative fashion during a facilitated 2 h session. Final consensus statements were unanimously endorsed. RESULTS: A review of the literature demonstrated no existing criteria for social media-based scholarship. The consensus of 52 health professions educators from 20 organisations in four countries defined four key features of social media-based scholarship. It must (1) be original; (2) advance the field of health professions education by building on theory, research or best practice; (3) be archived and disseminated; and (4) provide the health professions education community with the ability to comment on and provide feedback in a transparent fashion that informs wider discussion. CONCLUSIONS: Not all social media activities meet the standard of education scholarship. This paper clarifies the criteria, championing social media-based scholarship as a legitimate academic activity in health professions education.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».