Partial compensatory scoring model in integrated assessment
Notice bibliographique
Résumé
information, networking, collaboration, examination review, etc.).For the next hour, students were divided into small groups.Three cases illustrating issues related to professionalism, chosen from the Canadian Federation of Medical Students (CFMS) Guide to Medical Professionalism: Recommendations for Social Media (www.cfms.org),were presented and discussed.Each group then presented its perceptions of the case and inter-group discussion was encouraged.At the end, the case recommendation from the CFMS guide was read out loud and debated.What lessons were learned?All francophonestream Year 1 medical students attended this course (n = 48).A quick survey conducted during the session using socrative.com('Which social media tool do you use most often?')revealed that Facebook was the most frequently used tool (by 41 of 48 students).The curricular evaluation of the session by students was extremely positive, earning a mean of 4.9 of a maximum score of 5.According to the students' comments, the session was judged to be 'pertinent', 'of actuality' and 'captivating'.Students appreciated the use of professionalism cases to promote discussion and interaction in small groups.Others highlighted the fact that although they were familiar with these tools, they were unaware of all aspects of their use in medical education.The fact that students were allowed to express their opinions during the discussion of the cases without being forced to choose a solution was cited as an important strength of the session.The interactive, case-based session taught professionalism hand-in-hand with the potential benefits of social media tools and, more importantly, allowed future doctors to make their own responsible decisions regarding different online professionalism-related dilemmas.This positive experience illustrates the value and importance of running a short session introducing aspects of the use of social media at the beginning of medical school.
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 | 0,054 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,006 |
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 ».