Leveraging a Virtual Community of Practice to Participate in a Survey‐based Study: A Description of the METRIQ Study Methodology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To power the METRIQ (Medical Education Translational Resources: Impact and Quality) Study adequately, we aimed to recruit > 200 medical students, residents, and attendings to complete a 90- to 120-minute survey by leveraging a virtual community of practice (vCoP). METHODS: Participants were recruited using personal (conference campaign and e-mails) and online (a study website and social media campaign utilizing Twitter, Facebook, blogs, podcasts, an infographic, and a YouTube video) techniques that leveraged relationships within a virtual community or practice. Participants received weekly survey reminders for 4 weeks and at the end of the rating period. Survey completion rates were calculated. RESULTS: A total of 380 potential participants completed an intake form (139 medical students, 120 residents, 121 attendings), 330 consented to participate, and 309 (81.3% of interested and 93.9% of consenting participants) completed the full survey (121, 88, and 100, respectively). The required sample size was achieved. CONCLUSIONS: The METRIQ Study utilized a multimodal recruitment campaign that targeted a vCoP. It recruited large numbers of participants with high completion rates. Response rates could not be calculated given the uncertainty surrounding the number of individuals invited to participate.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle