MétaCan
Menu
Retour à la cohorte
Enregistrement W2208121632 · doi:10.1016/j.hpe.2015.11.004

Research Advances in Conformity to Peer Pressure: A Negative Side Effect of Medical Education

2015· article· en· W2208121632 sur OpenAlexaffabout
Tanya Beran

Notice bibliographique

RevueHealth Professions Education · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésConformityPeer pressurePhenomenonCurriculumMedical educationPsychologyPeer reviewMedical schoolEmpirical researchSocial psychologyPeer groupMedicinePedagogyPolitical scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

Curricula in medical education are intended to impart the knowledge, skills, and attitudes that students will require as physicians to meet patient needs. There are additional unarticulated and implicit messages that inherently emerge in medical education. This paper examines one such message: conformity to peers, whereby individuals repeat inaccurate information reported by peer group members. Empirical evidence from 60 years of social-psychological research demonstrates that this phenomenon of conformity occurs across experimental tasks, cultures, and over time. It has yet to be systematically studied in medical education. Emerging studies from the University of Calgary, Canada, and in collaboration with King Saud bin Abdulaziz University will be reviewed in conjunction with the various constructs used to represent the phenomenon of conformity to determine relevant themes about student experiences and their implications for 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)0,013
score de la tête « metaresearch » (Gemma)0,036
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,559
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,079
Tête enseignante GPT0,582
Écart entre enseignants0,503 · 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

Citations20
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Professions EducationMême sujetInnovations in Medical EducationTravaux en français237 207