Partnering to Enhance Interprofessional Service-Learning Innovations and Addictions Recovery
Notice bibliographique
Résumé
CONTEXT: Service-learning programs are reported to benefit students, faculty, higher education institutions, community agencies and the relationships among these groups. An interprofessional service-learning paradigm may strengthen these benefits. Community settings can expose students to social and cultural determinants of health, in addition to those biomedical determinants more commonly addressed in health sciences curricula. These experiences can also enhance student understanding of the complexities underlying treatment and prevention of modern health problems, particularly chronic diseases. OBJECTIVE: The purpose of this initiative was to create and deliver interprofessional service-learning innovations that would enhance student learning and addictions recovery. To address this initiative, the University of Washington's Health Science Partnerships in Interdisciplinary Clinical Education (HSPICE) and the Salvation Army Adult Rehabilitation Center (ARC) began a community-campus partnership in 1997. Innovations took into account student educational objectives established by HSPICE which included: participation in interdisciplinary teams, in conjunction with community partners to identify and reduce population-based health issues, realization and articulation of biases regarding issues faced by the participating community, acquiring an understanding of the broader determinants of health and developing an understanding of why the complexity of population health requires interdisciplinary strategies for cost effectiveness. DISCUSSION: Findings are reported from evaluations, needs assessments and ongoing feedback of men recovering from addictions, as applied to health education materials and presentations developed for the ARC. Future directions are highlighted, including the need for further research and evaluation efforts aimed at rigorously assessing cost savings and student knowledge, skills and cultural sensitivity, among others.
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 | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».