Early exposure to community service learning in the medical curriculum: A model for orientation week introduction
Notice bibliographique
Résumé
Community service learning programs in pre-clerkship medical education are increasingly recognized as important in creating physicians who recognize the effects of one’s environment on their health and further strive to advocate for these patients to receive access to social programs that can improve their outcomes. The University of Ottawa Aesculapian Society recognized that an excellent method for providing early exposure to service opportunities in one’s new community is through Orientation Weeks. Prior to this year, no Orientation Week across Ontario had a philanthropy focus. Philanthropy in most students’ eyes refers to monetary donation. Understandably, Orientation Week directors continuously make the decision that asking medical students to donate money during the first week of one of many financially demanding yeas is unrealistic. Ottawa decided to incorporate philanthropy into our Orientation Week in the more inclusive form of community service, allowing students to donate their time, rather than donating their money. In addition to ensuring that philanthropy still has the opportunity to be a fundamental component of bonding during Medical School Orientation Weeks, as it does at the Undergraduate degree level, our initiative also served to facilitate early exposure to the various organizations students could complete their community service learning placements with later in their first year. Here we present our model, uO-Serves (“uOttawa-Serves”) of an Orientation Week philanthropy initiative of time-based community service in hopes that other Medical Schools will consider implementing a similar initiative within their Orientation Weeks
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».