MétaCan
Menu
Retour à la cohorte
Enregistrement W2968555630 · doi:10.1080/02701960.2019.1647835

Gerontology competencies: Construction, consensus and contribution

2019· article· en· W2968555630 sur OpenAlexaff
JoAnn Damron‐Rodriguez, Janet C. Frank, Robert J. Maiden, Janice Abushakrah, Jan Jukema, Birgit Pianosi, Harvey L. Sterns

Notice bibliographique

RevueGerontology & Geriatrics Education · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensHuntington University
Organismes subventionnairesCouncil for Higher EducationDivision of Graduate EducationYoungstown State UniversityYükseköğretim KuruluUniversity of Utah
Mots-clésAccreditationWorkforceDelphi methodMedical educationAging in the American workforcePsychologyCompetence (human resources)GerontologyMedicinePedagogyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The Academy for Gerontology in Higher Education (AGHE) in 2014 approved the first integrative "Gerontology Competencies for Undergraduate and Graduate Education"©. This article describes the background, thought development, guiding framework and consensus process for its construction. A modified Delphi method utilizing seven review rounds within three developmental cycles, with gerontology educators from 30 institutions, achieved input and consensus. The comprehensive framework has ten major domains, employs three categories each including multiple selective competencies. Six Category I competencies are essential orientations to gerontology. Four Category II competencies are "interactional" processes of knowing and doing across the field. Category III provides eight selective competencies for sectors where gerontologists may work. From educators' feedback, gerontology characteristics emerged: multi-system approaches; interdisciplinary; communication of older adults' "voices" and strengths; research utilization. The discussion includes the contribution of competency-based gerontology to students and aging workforce development as well as next steps, outcome measurement, levelling and accreditation.

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)0,171
score de la tête « metaresearch » (Gemma)0,176
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 enseignants0,171
Score d'incertitude au seuil0,903

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1710,176
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,003
Études des sciences et des technologies0,0040,008
Communication savante0,0080,008
Science ouverte0,0030,020
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,346
Écart entre enseignants0,318 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGerontology & Geriatrics EducationMême sujetAging and Gerontology ResearchTravaux en français237 207