MétaCan
Menu
Retour à la cohorte
Enregistrement W2751881171 · doi:10.1177/0840470417718000

No need to grow my resumé? Mentorship and the intersection of learning between emerging and established leaders

2017· article· en· W2751881171 sur OpenAlexaff
Lynn Stevenson, Kimberley Vaulkhard

Notice bibliographique

RevueHealthcare Management Forum · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensBC Cancer AgencyMinistry of Health
Organismes subventionnairesnon disponible
Mots-clésMentorshipIntersection (aeronautics)Value (mathematics)Order (exchange)Informal learningPublic relationsKnowledge managementHealth carePolitical sciencePsychologySociologyBusinessPedagogyEngineeringComputer scienceMedicineMedical education

Résumé

récupéré en direct d'OpenAlex

Active ongoing learning is a foundational expectation of every healthcare leader whether at the beginning or end of their career. In order for leaders to be nimble and responsive to the ongoing changes in the healthcare environment, they must actively engage in a multiplicity of learning activities. One way of ensuring diversity of learning is for emerging and established leaders to learn together through formal or informal mentoring. This article will explore that intersection and the value add of a reciprocal mentoring relationship where mentor and mentee roles become blurred and joint learning becomes the goal. Capabilities from the LEADS in a Caring Environment framework will be drawn upon, and a challenge is suggested for experienced leaders to go beyond resumé building and invest in emerging leaders, as ultimately it is an investment in their own learning and the future.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,389
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,048
Tête enseignante GPT0,351
Écart entre enseignants0,303 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetMentoring and Academic DevelopmentTravaux en français237 207