Notice bibliographique
Résumé
One hundred years after Abraham Flexner released his report Medical Education in the United States and Canada, the spirit of reform is alive again. Reports in the United States and Canada have called for significant changes to medical education that will allow doctors to adapt to complex environments, work in teams, and meet a wide range of social needs. These reports call for clear educational outcomes but also for a flexible, individualized approach to learning. Whether or not change will result has much to do with the alignment between what is proposed and the nature of current societal discourses about how medical education should be conducted. Currently, two powerful and competing models of competence development are operating at odds with one another. The traditional one is time-based (a "tea-steeping" model, in which the student "steeps" in an educational program for a historically determined fixed time period to become a successful practitioner). This model directs attention to processes such as admission and curriculum design. The newer one is outcomes-based (an "i-Doc" model, a name suggested by the Apple i-Pod that infers that medical schools and residencies, like factories, can produce highly desirable products adapted to user needs and desires). This model focuses more on the functional capabilities of the end product (the graduate student, resident, or practicing physician). The author explores the implications of both time-based and outcomes-based models for medical education reform and proposes an integration of their best features.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,016 |
| Communication savante | 0,018 | 0,016 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 ».