MétaCan
Menu
Retour à la cohorte
Enregistrement W2744581070 · doi:10.1177/2050640617713936

The organisation and needs of young sections belonging to UEG National Societies: Results of a Europe‐wide survey

2017· article· en· W2744581070 sur OpenAlexaff
Gianluca Ianiro, Valeria Lo Castro, Werner Dolak, Mădălina Ilie, Grainne Holleran, Maciej Sałaga, Yasmijn van Herwaarden, Johan Burisch

Notice bibliographique

RevueUnited European Gastroenterology Journal · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation in Diverse Contexts
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésMedicineEnvironmental healthFamily medicine

Résumé

récupéré en direct d'OpenAlex

One of the aims of the Young Talent Group (YTG) is to make United European Gastroenterology (UEG) more attractive for young fellows interested in gastroenterology, and to involve them actively in UEG activities, by collaborating with young GI sections (YGIS) across Europe. Therefore, the YTG launched a survey to collect up-to-date information on YGISs belonging to UEG National Societies. The Friends of YTG were chosen as the target population and received a web-based questionnaire concerning their personal information, the structure of YGIS in their respective country, the YGIS' support mechanisms for young trainees, and ideas on how to improve them. Overall, 24 of 29 Friends answered the survey (83%). Among the Societies surveyed, only half have a young section. Typically, YGIS are supported, but not influenced, by National Societies through several initiatives. Results of the survey suggest that a lack of funding, of harmonised education, and of active roles available within National Societies, were the concerns most prevalent among young fellows. Our survey shows that the development of YGIS is being hindered by organisational, financial, and political issues. The YTG believes that a close collaboration between National Societies, UEG, and the YTG is necessary in order to offer young fellows the most productive and professionally satisfying future possible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,040
Tête enseignante GPT0,312
Écart entre enseignants0,272 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUnited European Gastroenterology JournalMême sujetEducation in Diverse ContextsTravaux en français237 207