MétaCan
Menu
Retour à la cohorte
Enregistrement W2164901603 · doi:10.1111/medu.12458

Establishing an online mentor database for medical students

2014· article· en· W2164901603 sur OpenAlexaff
Jonathan Weiner, Alexander Small, Lianna R. Lipton, Kristian Stensland, Jillian Aristegui, Meredith Grossman, Peter Gliatto

Notice bibliographique

RevueMedical Education · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésGrossmanLibrary sciencePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

authentic ethics-related situations, it facilitates a focus on reflection in order to compare courses of action rather than selecting the most appropriate.In this sense, the CJLT is innovative as it allies cognitive apprenticeship with the development of critical thinking skills.Furthermore, students recognise the ethical conduct that is most coherent with professionalism as identified by experts, but point out that in 'real-life' experiences on hospital wards, conduct can be markedly different.We believe this reflects the hidden curriculum, signalled in the literature as a major impediment to professionalism education.Learning to conciliate espoused ethical conduct and future clinical experience, buttressed by insight into expert ethical decision making, is the chief added value of the CJLT for the meaningful development of professionalism.Finally, the user-friendly aspect of the CJLT is not a trivial matter.The CJLT we have implemented is completed online at times and at a pace determined by each student.Hence, it is truly an effective professionalism-learning tool that can be inserted easily into already heavy study schedules.We are encouraged to introduce the CJLT into residency and continuous professional development.Although it is too early to consider it as an assessment tool, we think it can be used to measure the development of professionalism competence in students over time.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,040
Tête enseignante GPT0,436
Écart entre enseignants0,396 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetMentoring and Academic DevelopmentTravaux en français237 207