Observations on the 2016 World Congress on Continuing Professional Development: Advancing Learning and Care in the Health Professions
Notice bibliographique
Résumé
The 2016 World Congress on Continuing Professional Development: Advancing Learning and Care in the Health Professions took place in San Diego, California, March 17-19, 2016. Hosts were the Association for Hospital Medical Education (AHME), Alliance for Continuing Education in the Health Professionals (ACEhp), and Society for Academic Continuing Medical Education (SACME). The target audience was the international community working to improve medical (CME), nursing (CNE), pharmacy (CPE), and interprofessional (CIPE) continuing education (CE) and continuing professional development (CPD). Goals included: addressing patients' concerns and needs; advancing global medical and interprofessional health sciences education; utilizing learning to address health disparities; and promoting international cooperation. The five keynote speakers were: patient advocate Alicia Cole ("Why What We Do Matters: The Patients Voice"); linguist Lorelei Lingard ("Myths about Healthcare Teamwork and Their Implications for How We Understand Competence"); futurist and philosopher Alex Jadad ("What Do We Need to Protect at All Costs in the 21st Century?"); ethicist and change agent Zeke Emanuel ("Learn to Change: Teaching Toward a Shifting Healthcare Horizon"); and technology innovator Stephen Downes ("From Individual to Community: The Learning Is in the Doing"). Organizers announced the new Dave Davis Distinguished Award for Excellence in Mentorship in Continuing Professional Development to honor the career of David Davis, MD, in CME/CPD scholarship in Canada, the United States, and beyond. Participants valued the emphasis on interprofessional education and practice, the importance of integrating the patient voice, the effectiveness of flipped classroom methods, and the power of collective competency theories. Attendee-respondents encouraged Congress planners to continue to strive for a broad global audience and themes of international interest.
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 | 0,012 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,002 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,011 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,010 |
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 ».