MétaCan
Menu
← Retour à la cohorte
Enregistrement W2899624619 · doi:10.1139/cjpp-2018-0428

Medical education dilemma: How can we best accommodate basic sciences in a curriculum for 21st century medical students?

2018· article· en· W2899624619 sur OpenAlexvenueno aff
Paul Ganguly, Ahmed Yaqinuddin, Wael Al-Kattan, Sabri Kemahlı, Khaled Alkattan

Notice bibliographique

RevueCanadian Journal of Physiology and Pharmacology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDilemmaCurriculumVariety (cybernetics)Marketing buzzEngineering ethicsComputer scienceMathematics educationPsychologyPedagogyEngineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Over the years, the medical curriculum has been changed to accommodate a variety of evolving disciplines and an exploding scientific knowledge of the basic sciences to prepare "a competent physician" of the 21st century. Therefore, we must be innovative in our approach of curricular development if we wish to continue to incorporate new basic sciences knowledge in the face of decreasing contact hours to satisfy the buzz word, "integration". Certainly, the challenges are phenomenal. The question how to best integrate basic sciences, is not easy to answer as the objectives of the courses and outcome vary from one medical school to another and the fact is, one size does not fit all. However, if we believe that basic sciences are the language of medicine and foundation of clinical knowledge, then we must resolve this ongoing dilemma by introducing basic sciences through a better alignment in a given curriculum. The purpose of this review is to evaluate different curricular models for their basic sciences content and address their strengths and weaknesses. In addition, we will introduce a spiral design to integrate basic sciences for senior students. Finally, we will provide some insight as to how learning and retention of basic science content can be sustained.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,060
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0060,009
Science ouverte0,0020,005
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,019
Tête enseignante GPT0,378
Écart entre enseignants0,359 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Physiology and Pharmacology→Même sujetInnovations in Medical Education→Travaux en français237 207→