MétaCan
Menu
Retour à la cohorte
Enregistrement W2150691813 · doi:10.5430/jct.v3n1p94

The Challenges of Professional Development in the Evolving World of Pharmacy Education

2014· article· en· W2150691813 sur OpenAlexvenueno aff
Carol Motycka, Jennifer S. Williams, Thanh Hogan, Matthew Gray, Jennifer L. Hartman

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPharmacyPharmacistMedical educationProfessional developmentSocializationPharmacy practiceMedicinePsychologyPedagogyEngineering ethicsNursingEngineering

Résumé

récupéré en direct d'OpenAlex

The primary purpose of schools and colleges of pharmacy is to produce pharmacists capable of providing competentpatient centered care. To accomplish this goal, pharmacy students must learn and retain a great deal of knowledge aswell as develop professional attitudes and behaviors. In recent years, several articles have been published questioningthe professionalism of pharmacy students and whether colleges of pharmacy are promoting professionalism(Hammer, 2003; Chisholm, 2004). Professionalism has a broad definition and encompasses every aspect of the dutyof a pharmacist. The definition of professionalism and a discussion of professional socialization roadblocks areimportant considerations when establishing guidance to students and faculty. Responsibilities of the student andresponsibilities of the educator should be clear to all involved. E-professionalism presents a new consideration whenoutlining professionalism standards to pharmacy students and should be addressed as well. Colleges of pharmacymust develop methodologies to aid in the development of professionalism among pharmacy students in all types oflearning environments, whether a student attends a traditional campus or a distance campus. Finally, with theimplementation of distance campuses, professionalism is presented with new and unique challenges which requirecontinuous evaluation to prevent negative outcomes.

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)0,031
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,163

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0140,024
Communication savante0,0190,016
Science ouverte0,0030,015
Intégrité de la recherche0,0110,013
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,060
Tête enseignante GPT0,419
Écart entre enseignants0,359 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetSocial Media in Health EducationTravaux en français237 207