MétaCan
Menu
Retour à la cohorte
Enregistrement W2916965736 · doi:10.15694/mep.2019.000036.1

Curricular Monikers: What's in a Name?

2019· article· en· W2916965736 sur OpenAlexaboutno aff
Arnyce R. Pock, Steven J. Durning, William R. Gilliland, Martin G. Ottolini, Louis N. Pangaro

Notice bibliographique

RevueMedEdPublish · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

This article was migrated. The article was not marked as recommended. Introduction: An increasing number of North American medical schools are assigning unique names ("monikers") to their undergraduate curricula, but it is unclear as to how often this occurs, and what kind of names schools are choosing. Method: A manual review of the 160 websites that corresponded to Schools of Medicine that were either fully or provisionally accredited by the Liaison Committee on Medical Education (LCME). Results: 31.5% of the 143 U.S. allopathic medical schools and only one (5.8%) of the 17 LCME accredited Canadian medical schools currently associate a unique curricular name with their undergraduate medical education programs. Use of a constant-comparative technique suggested that schools that did assign a curricular name to their programs had selected names that aligned to one of eight over-arching themes. Conclusions: While curricular names were somewhat less commonly applied in schools located in the western United States, no specific trends in thematic choices predominated in any geographic region. However, the impact of curricular themes on current and/or prospective medical students remains an area for continued exploration, as does the longitudinal question as to whether thematically named curricula succeed in delivering their intended results.

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)0,009
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,003
Communication savante0,0050,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,011
Tête enseignante GPT0,297
Écart entre enseignants0,286 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedEdPublishMême sujetOnline and Blended LearningTravaux en français237 207