MétaCan
Menu
Retour à la cohorte
Enregistrement W2382196472 · doi:10.1097/ceh.0000000000000011

Society for Academic Continuing Medical Education Intervention Guideline Series

2015· article· en· W2382196472 sur OpenAlexaboutno aff
Thomas J. Van Hoof, Rachel Grant, Joanna Sajdlowska, Mary Bell, Craig Campbell, Lois Colburn, Todd Dorman, Michael A. Fischer, Tanya Horsley, Constance LeBlanc, Jocelyn Lockyer, Donald E. Moore, Robert Morrow, Curtis A. Olson, Ivan Silver, David C. Thomas, Mary G. Turco, Simon Kitto

Notice bibliographique

RevueJournal of Continuing Education in the Health Professions · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTerminologyIntervention (counseling)GuidelinePsychological interventionMedical educationContinuing medical educationMedicinePlan (archaeology)Set (abstract data type)Academic detailingNursingContinuing educationComputer science

Résumé

récupéré en direct d'OpenAlex

The Society for Academic Continuing Medical Education commissioned a study to clarify and, if possible, to standardize the terminology for a set of important educational interventions. In the form of a guideline, this article describes one such intervention, educational meetings, which is a common intervention in health professions' education. An educational meeting is an opportunity for clinicians to assemble to discuss and apply important information relevant to patient care. Based on a review of recent evidence and a facilitated discussion with US and Canadian experts, we describe proper educational meeting terminology and other important information about the intervention. We encourage leaders and researchers to consider and to build on this guideline as they plan, implement, evaluate, and report educational meeting efforts. Clear and consistent use of terminology is imperative, along with complete and accurate descriptions of interventions, to improve the use and study of educational meetings.

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)0,024
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,078
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,006
Bibliométrie0,0070,005
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0070,002
Intégrité de la recherche0,0130,010
Charge utile insuffisante (le modèle a refusé de juger)0,0140,011

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 Opus0,051
Tête enseignante GPT0,497
Écart entre enseignants0,446 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Continuing Education in the Health ProfessionsMême sujetInnovations in Medical EducationTravaux en français237 207