MétaCan
Menu
Retour à la cohorte
Enregistrement W2966144560 · doi:10.36834/cmej.53182

Can adaptive expertise, reflective practice, and activity theory help achieve systems-based practice and collective competence?

2019· article· en· W2966144560 sur OpenAlexaffvenue
Angela Orsino, Stella Ng

Notice bibliographique

RevueCanadian Medical Education Journal · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Complex adaptive systemSocial practiceAutism spectrum disorderClinical PracticeEngineering ethicsAutismFunction (biology)Reflective practiceSystems theoryContext (archaeology)Knowledge managementPsychologyMedicineMedical educationComputer sciencePedagogyNursingSocial psychologyArtificial intelligenceDevelopmental psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Physicians must function as integral members of the complex social systems in which they work to support the health of their patients; competency-based education frameworks describe this function of physicians in terms of systems- based practice, advocacy, and collaboration. Yet education for these social competencies continues to present challenges, perhaps because medical education has tended to focus less on social systems and more on traditional healthcare systems. In this paper, we use a clinical example from the discipline of Developmental Pediatrics, that of early identification of autism spectrum disorder (ASD), as an illustration of a socially complex zone of practice necessitating systems-based practice. We first explore this practice context through the framings of collective competence and activity theory to represent the complex practices and systems involved in identifying ASD. We then align these framings of the practice context and complexity with two bodies of education theory, adaptive expertise and reflective practice. We argue that these approaches to education will prepare learners to be more aware of and responsive to the dynamic needs of the complex and intersecting systems in which they will practice.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,049
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,331
Écart entre enseignants0,312 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207