MétaCan
Menu
Retour à la cohorte
Enregistrement W2951877544 · doi:10.4103/amhs.amhs_30_19

Cinemeducation: Facilitating educational sessions for medical students using the power of movies

2019· article· en· W2951877544 sur OpenAlexaboutno aff
PRavi Shankar

Notice bibliographique

RevueArchives of Medicine and Health Sciences · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFilm in Education and Therapy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical educationMultimedia

Résumé

récupéré en direct d'OpenAlex

Medical education focuses predominantly on the science of medicine neglecting the arts and human relationships. Medical humanities was developed to provide a “differing” perspective of the arts. Movies play an important role in the medical humanities and have been used to address various subjects such as medical ethics, doctor–patient relationship, clinical research, mental illness, and professionalism during medical school. Movies involve the affective domain, promote reflection, and link learning to experiences. Movies can teach empathetic behaviors, self-reflection, compassion, and other skills. Movies have been used in a variety of disciplines such as family medicine, psychiatry, internal medicine, and clinical pharmacology among others. Faculty should identify possible topics where movies can be used. Then, they have to create a shortlist of suitable movies and identify the movie to be screened. A list of suitable activities and exercises to promote critical analysis and reflection should be created. Before the screening, a brief introduction to the movie can be provided. The screening should be followed by group activities, presentations, and facilitator inputs. Movies have been used to address topics such as domestic violence, cultural medicine, and attitude toward chronic illness. Most published reports about the use of movies are from the USA. Reports from Canada, Europe, and Argentina are also common. Movies have been used in some Caribbean medical schools and are being increasingly used in South Asian medical schools. A variety of instruments can be used to obtain feedback. There are various databases and collections which will be helpful in choosing appropriate movies.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
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: aucune
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,506

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,000
Communication savante0,0020,003
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1510,036

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 Opus0,157
Tête enseignante GPT0,575
Écart entre enseignants0,418 · 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

Citations42
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Medicine and Health SciencesMême sujetFilm in Education and TherapyTravaux en français237 207