MétaCan
Menu
Retour à la cohorte
Enregistrement W2613630823 · doi:10.1177/1203475417709194

Maintenance of Certification: What’s to Know

2017· article· en· W2613630823 sur OpenAlexaboutno aff
Pat Rich

Notice bibliographique

RevueJournal of Cutaneous Medicine and Surgery · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMedicine and Dermatology Studies History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaintenance of CertificationMedicineCertificationLicensureMedical educationSection (typography)Management

Résumé

récupéré en direct d'OpenAlex

The Maintenance of Certification (MOC) Program administered by the Royal College of Physicians and Surgeons applies to all Fellows of the Royal College including dermatologists. It is mandatory for those who wish to maintain their fellowship in the Royal College and can be critical for maintaining licensure requirements. Residents can take advantage of the program before becoming Fellows of the Royal College. Fellows and MOC Program participants in the Royal College MOC Program must complete a minimum of 400 credits during a 5-year cycle and a minimum of 40 credits in each year of the cycle. Credits are available for a wide range of CPD activities which the Royal College divides into three sections in its MOC Framework: Section 1, group learning; Section 2, self-learning; and Section 3, assessment. Many activities associated with involvement in Canadian Dermatology Association activities or involvement with the Journal of Cutaneous Medicine and Surgery (JCMS) are eligible for MOC Program credits. Failure to satisfactorily meet the requirements of the MOC Program in a 5-year cycle can result in loss of Fellowship in the Royal College.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,309
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cutaneous Medicine and SurgeryMême sujetMedicine and Dermatology Studies HistoryTravaux en français237 207