Looking back to move forward: Using history, discourse and text in medical education research: AMEE Guide No. 73
Notice bibliographique
Résumé
As medical education research continues to diversify methodologically and theoretically, medical education researchers have been increasingly willing to challenge taken-for-granted assumptions about the form, content and function of medical education. In this AMEE guide we describe historical, discourse and text analysis approaches that can help researchers and educators question the inevitability of things that are currently seen as 'natural'. Why is such questioning important? By articulating our assumptions and interrogating the 'naturalness' of the status quo, one can then begin to ask why things are the way they are. Researchers can, for example, ask whether the models of medical education organization and delivery that currently seem 'natural' to them have been developed in order to provide the most benefit to students or patients--or whether they have, rather, been developed in ways that provide power to faculty members, medical schools or the medical profession as a whole. An understanding of the interplay of practices and power is a valuable tool for opening up the field to new possibilities for better medical education. The recognition that our current models, rather than being 'natural', were created in particular historical contexts for any number of contingent reasons leads inexorably to the possibility of change. For if our current ways of doing things are not, in fact, inevitable, not only can they be questioned, they can be made better; they can changed in ways that are attentive to whom they benefit, are congruent with our current beliefs about best practice and may lead to the production of better doctors.
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 | 0,019 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,019 |
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 ».