Thinking Critically: How to Teach Translational Medicine
Notice bibliographique
Résumé
Translational Medicine (TM) is a comparatively new field of study that focusses on the continuum of activities from the conception of an idea, to advanced clinical testing and the development of a new medical technology or drug. In recent years, graduate education programs have been established internationally to train a new generation of professionals with specific skills necessary to navigate the translational landscape. Literature in the area highlights the importance of integrating specific competencies relevant to translational medicine as part of curriculum development. In addition to developing a working understanding of core knowledge (e.g., ethics, funding, regulation, policy, etc.), skills including effective communication, reflection, interdisciplinary, and interprofessional collaboration are critical components of a skilled TM professional. Curriculum development must focus on content, while carefully selecting the teaching strategies that are most effective to achieve the desired outcomes, which is for learners to comprehend the complex material. The following publication presents a series of vignettes that describe the experiences of an associate professor of molecular biology, who is looking to explore her role in translational medicine and develop skills for an innovative approach to problem-solving. The vignettes are focused on a variety of teaching and learning strategies that can be used to teach translational medicine. Each vignette includes a description of the experience from the perspective of the learner and the faculty as it pertains to the teaching strategy, method of delivery, and learning outcomes. TM is as complex to teach as it is to learn. The specialized skills and knowledges that are part of the TM toolbox cannot all be taught in a lecture format. Educators must consider multiple strategies and select those which are most effective for achieving the learning outcomes.
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 | 0,031 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,024 |
| Communication savante | 0,017 | 0,017 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,009 |
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 ».