Introducing a Collaborative E2 (Evaluation & Enhancement) Social Accountability Framework for Medical Schools
Notice bibliographique
Résumé
Medical schools recognize that they have an important social mandate beyond their primary role to educate future physicians. The instantiation of social accountability (SA) within faculties of medicine requires intentional, effective partnering with diverse internal and external stakeholders. Despite early, promising academic work in the field of SA in medical education, there remains a lack of conceptual clarity about what SA could and should entail, and a lack of practical direction regarding how it could be implemented. The paper describes the development of an innovative SA framework that incorporates both pragmatic-evaluation and collaborative-enhancement components. The framework consists of five distinct phases, uses a deliberative engagement methodology, and is meaningfully informed by a set of four SA Lenses: Diversity, Inclusion and Cultural Responsiveness; Equity; Community / Stakeholder Engagement and Partnering; and Justice-Fairness and Sustainability. In addition to using the framework to evaluate and enhance the social accountability statuses of a variety of the medical school’s operational components, Dalhousie Faculty of Medicine leaders are committed to applying the framework’s SA Lenses to important decision-making processes, such as the revision of the medical school’s strategic directions and the allocation of limited resources to address important, emerging medical education issues and challenges.
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 | 0,170 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,030 |
| Communication savante | 0,019 | 0,016 |
| Science ouverte | 0,004 | 0,024 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».