Effectiveness of online learning on health researcher capacity to appropriately integrate sex, gender, or both in grant proposals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: To describe the effectiveness of online learning to augment academic capacity to consider sex and gender in the conduct of basic science, clinical research, and population health studies. METHOD: The analysis compares pre- and post-test scores from 1441 individuals who completed the Canadian Institutes of Health Research Institute of Gender and Health's interactive e-learning modules between February 2016 and May 2017. The tests measured knowledge, self-efficacy, and self-reported intent to change behavior for three competencies: (1) the ability to appropriately define and distinguish between sex-related versus gender-related variables, (2) the application of methods for integrating sex and gender, and (3) the critical appraisal of sex and gender integration in the design, methods, and analysis plan of research proposals and publications. RESULTS: Of the 543 individuals who completed the basic science module, 62% demonstrated improved knowledge, and 86% increased self-efficacy across all competencies. Gains in knowledge and self-efficacy also occurred among 84% and 77% of completers of the human data collection module (n = 463) and among 73% and 82% of those who completed the secondary data analysis module (n = 435). In aggregate, 95% of participants reported an intent to change their behavior with respect to sex and gender in health research. CONCLUSIONS: Interactive online learning combined with feedback and self-assessment results in improved knowledge and self-efficacy for integrating sex and gender in health research.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle