Why Medical Schools Should Embrace Wikipedia: Final-Year Medical Student Contributions to Wikipedia Articles for Academic Credit at One School
Notice bibliographique
Résumé
PROBLEM: Most medical students use Wikipedia as an information source, yet medical schools do not train students to improve Wikipedia or use it critically. APPROACH: Between November 2013 and November 2015, the authors offered fourth-year medical students a credit-bearing course to edit Wikipedia. The course was designed, delivered, and evaluated by faculty, medical librarians, and personnel from WikiProject Medicine, Wikipedia Education Foundation, and Translators Without Borders. The authors assessed the effect of the students' edits on Wikipedia's content, the effect of the course on student participants, and readership of students' chosen articles. OUTCOMES: Forty-three enrolled students made 1,528 edits (average 36/student), contributing 493,994 content bytes (average 11,488/student). They added higher-quality and removed lower-quality sources for a net addition of 274 references (average 6/student). As of July 2016, none of the contributions of the first 28 students (2013, 2014) have been reversed or vandalized. Students discovered a tension between comprehensiveness and readability/translatability, yet readability of most articles increased. Students felt they improved their articles, enjoyed giving back "specifically to Wikipedia," and broadened their sense of physician responsibilities in the socially networked information era. During only the "active editing months," Wikipedia traffic statistics indicate that the 43 articles were collectively viewed 1,116,065 times. Subsequent to students' efforts, these articles have been viewed nearly 22 million times. NEXT STEPS: If other schools replicate and improve on this initiative, future multi-institution studies could more accurately measure the effect of medical students on Wikipedia, and vice versa.
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 | 0,008 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».