MétaCan
Menu
Retour à la cohorte
Enregistrement W2168501529 · doi:10.1093/jhmas/jru026

Making the Case for History in Medical Education: Fig. 1.

2014· article· en· W2168501529 sur OpenAlexaff
David S. Jones, Jeremy A. Greene, Jacalyn Duffin, John Harley Warner

Notice bibliographique

RevueJournal of the History of Medicine and Allied Sciences · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésSkepticismReductionismContingencyValue (mathematics)Perspective (graphical)PoliticsMedical historyHistory of medicineMedical educationMedicinePsychologyEpistemologyLawPolitical sciencePhilosophyComputer sciencePathologySurgery

Résumé

récupéré en direct d'OpenAlex

Historians of medicine have struggled for centuries to make the case for history in medical education. They have developed many arguments about the value of historical perspective, but their efforts have faced persistent obstacles, from limited resources to curricular time constraints and skepticism about whether history actually is essential for physicians. Recent proposals have suggested that history should ally itself with the other medical humanities and make the case that together they can foster medical professionalism. We articulate a different approach and make the case for history as an essential component of medical knowledge, reasoning, and practice. History offers essential insights about the causes of disease (e.g., the non-reductionistic mechanisms needed to account for changes in the burden of disease over time), the nature of efficacy (e.g., why doctors think that their treatments work, and how have their assessments changed over time), and the contingency of medical knowledge and practice amid the social, economic, and political contexts of medicine. These are all things that physicians must know in order to be effective diagnosticians and caregivers, just as they must learn anatomy or pathophysiology. The specific arguments we make can be fit, as needed, into the prevailing language of competencies in medical education.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,459
Score d'incertitude au seuil0,795

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,083
Tête enseignante GPT0,377
Écart entre enseignants0,294 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations58
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the History of Medicine and Allied SciencesMême sujetInnovations in Medical EducationTravaux en français237 207