MétaCan
Menu
Retour à la cohorte
Enregistrement W2164594208 · doi:10.1097/acm.0b013e3182857b8a

“We Learn From Them, They Learn From Us”

2013· article· en· W2164594208 sur OpenAlexaff
Christian Kraeker, Clare Chandler

Notice bibliographique

RevueAcademic Medicine · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensJuravinski HospitalMcMaster University
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipContext (archaeology)PerceptionMedical educationNarrativeHealth carePublic relationsPsychologyDeveloping countryHealth professionalsNursingMedicinePolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

PURPOSE: It is increasingly common for health care professionals from developed countries to travel to developing regions of the world to learn or teach. This project aimed to describe the perceptions held by health care professionals in a developing region toward those who visit their communities to learn or teach. METHOD: Semistructured interviews were conducted in July, 2011, with nine health care professionals from the University of Namibia School of Medicine. Questions revolved around participants' perceptions of benefits, harms, and ethical impressions of a health care professional visiting from a developed country. Interviews were tape-recorded, transcribed, and analyzed qualitatively using an inductive, iterative approach. RESULTS: The interview analysis identified three main narratives that shaped participant perceptions of visits: (1) culture, context, and concern, (2) expectations, intentions, and miscommunications, and (3) partnership and the desire to share and gain knowledge. CONCLUSIONS: Participants' comments supported actively seeking out information regarding cultural and environmental context before visiting, completing a needs assessment to ensure that activities are needed and relevant, attempting to formulate long-term sustainable relationships, and traveling with the appropriate attitude. These themes provide valuable insight into how international educational collaborations can be created in order to be mutually beneficial.

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)0,010
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,028
Communication savante0,0070,009
Science ouverte0,0010,010
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,081
Tête enseignante GPT0,363
Écart entre enseignants0,282 · 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'étudeQualitatif
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

Citations69
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetCultural Competency in Health CareTravaux en français237 207