METRICS: a pattern language of scholarship in medical education
Notice bibliographique
Résumé
This article was migrated. The article was marked as recommended. Scholarly activity in health professions education has been growing steadily but despite the broad interest, quite what is considered to be scholarly activity in medical education has remained vague. Boyer's classes of scholarly activity ( Boyer 1990) and Glassick et al.'s criteria required of an artefact to render it scholarly ( Glassick et al. 1997) have been widely discussed. While the Glassick model has helped to define to what scholarly activity should be, we have found the Boyer model of what kinds of activity count as scholarship is lacking. We have developed the METRICS model of scholarly activity in medical education that maps more directly to scholarly activities. Metascholarship - activities that reflect on the nature of scholarshipEvaluation - activities that measure value or axiologyTranslation - activities that move findings or practices from one domain to anotherResearch - activities that focus on theory generation or testing (experimental, descriptive or explanatory)Innovation - activities that focus on creating new ideas, objects and practicesConceptual - activities that explore or develop new models, concepts, and paradigmsSynthesis - activities that focus on the integration of existing knowledge and practice Having built the METRICS model and tested it extensively in our own practice, we now seek to engage others in its use and appraisal.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».