Notice bibliographique
Résumé
CONTEXT: The author describes a career in which he combined clinical surgery with the formal study of medical education. In the 1980s, when the author embarked on this career track, it was an uncommon pathway. Over the last 30 years there has been an exponential increase in the number of individuals who have made medical education their principal academic focus. This paper provides examples from the author's personal story and lessons derived from that experience. PROCESS: The author outlines his experience of attaining formal training in education and concludes that this training was a foundational element in his pursuit of a career in health education research. The author describes his involvement in the transition from paper and pencil-based tests to performance-based testing in high-stakes examinations. He describes the development of a research centre in health professions education and the establishment of a simulation centre. The author's experiences in the development of an examination intended to measure technical skills, in the adoption of surgical safety checklists and in the elaboration of a programme in competency-based education are discussed. DISCUSSION: The author describes several of the lessons learned in the course of his career in medical education. He argues that successful enterprises in scholarship in medicine are almost invariably the product of interdisciplinarity. He describes the power of a joint venture between a university and an academic hospital. He argues that the geographical footprint of an emerging centre is critical. He discusses the importance of graduate studentship in an emerging discipline and enterprise.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,029 |
| Communication savante | 0,012 | 0,018 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,009 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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.
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 ».