Core-periphery assessment of collaboration for knowledge building and translation in continuing medical education
Notice bibliographique
Résumé
Collaborative assessments have potential to support sociocognitive interactions that foster a shift from traditional educational models toward collective knowledge innovation networks. This study illuminates relationships between pre/posttest assessment and social network core-periphery analytics, verifi ed by content analysis, and demonstrates changes in positions/roles and the co-creation of ideas for translation to practice. Core-periphery analytics extends Freeman’s concept of centralization to shared leadership and is wellaligned with Knowledge Building theory. Family physicians in the End-of- Life Care Distance Education Program, a 5-month, online continuing medical education course, participated in this study. Core-periphery analysis of Knowledge Forum® build-on measures were correlated with individual pre/posttests results to provide structural visualizations of collaboration, across 5 modules. In both groups, participants with strong prior knowledge and pre/posttest gains shared core position/leadership roles with the facilitator. Thematic analysis of discourse identifi ed numerous emergent ideas and Knowledge Building trajectories, beyond module objectives – evidence of participant metadesign. This study provides a model of new possibilities for collaborative assessment and educational design to facilitate a shift from learning, as an exclusively individual enterprise with external assessment, to the creation of a community with participants assuming agency for the emergence of relevant issues and authentic, meaningful problems, scaffolded by transformative assessments – integral to Knowledge Building and creation.
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 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 | 0,003 | 0,002 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».