The ALiEM Faculty Incubator: A Novel Online Approach to Faculty Development in Education Scholarship
Notice bibliographique
Résumé
PROBLEM: Early- and midcareer clinician educators often lack a local discipline-specific community of practice (CoP) that encourages scholarly activity. As a result, these faculty members may feel disconnected from other scholars. APPROACH: Academic Life in Emergency Medicine (ALiEM) piloted the Faculty Incubator. This longitudinal, asynchronous, online curriculum focused on developing a virtual CoP among 30 early- to midcareer medical educators (the "incubatees"), 8 core faculty mentors, and 10 guest mentors. The yearlong curriculum included 12 monthly modules focusing on core concepts in medical education scholarship. The initiative connected the incubatees with a virtual community of peers and mentors, with whom they completed multiple scholarly projects, sought mentorship, and engaged professionally. The authors used an online, closed, social media platform (Slack) to facilitate the exchange of ideas. OUTCOMES: In the inaugural year (March 2016-February 2017), the mentorship team facilitated exceptional levels of online engagement among incubatees. All participants (incubatees, core mentors, and guest mentors) shared 1,081 files and exchanged a total of 22,665 messages (approximately 62 per day). Of these, 3,036 (13.4%) were via open channels, 5,483 (24.2%) via small groups, and 14,146 (62.4%) via direct messages. NEXT STEPS: The ALiEM Faculty Incubator represents a proof of concept, and initial outcomes show that it is possible to engage an international group of early- to midcareer medical educators to create a vibrant online CoP. The Faculty Incubator leaders plan to determine whether this engaged group of health professions educators will increase their scholarly output as a result of this initiative.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».