14 Years Later: A Follow-Up Case-Study Analysis of 8 Health Professions Education Scholarship Units
Notice bibliographique
Résumé
PURPOSE: Internationally, health professions education scholarship units (HPESUs) are often developed to promote engagement in educational scholarship, yet little is known about how HPESUs change over time or what factors support their longevity. In hopes of helping HPESUs thrive, this study explored factors that shaped the evolution of 8 HPESUs over the past 14 years. METHOD: This study involved retrospective case-study analysis of the 8 American, Canadian, and Dutch HPESUs profiled in a 2004 publication. First, the research team summarized key elements of HPESUs from the 2004 articles, then conducted semistructured interviews with the current unit directors. In the first set of questions, directors were asked to reflect on how the unit had changed over time, what successes the unit enjoyed, what enabled these successes, what challenges the unit encountered, and how these challenges were managed. In the second set of questions, questions were tailored to each unit, following up on unique elements from the original article. The team used Braun and Clarke's 6-phase approach to thematic analysis to identify, analyze, and report themes. RESULTS: The histories of the units varied widely-some had grown by following their original mandates, some had significant mission shifts, and others had nearly disappeared. Current HPESU directors identified 3 key factors that shaped their HPESU's longitudinal development: the people working within and overseeing the HPESU (the need for a critical mass of scholars, a pipeline for developing scholars, and effective leadership), institutional structures (issues of centralization, unit priorities, and clear messaging), and funding (the need for multiple funding sources). CONCLUSIONS: Study findings offer insights that may help current HPESU directors to strategically plan for their unit's continued development. Tactically harnessing the factors identified could help directors ensure their HPESU's growth and contend with the challenges that threaten the unit's success.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».