MétaCan
Menu
Retour à la cohorte
Enregistrement W2998363599 · doi:10.1097/acm.0000000000003142

Philosophy of Science Series: Harnessing the Multidisciplinary Edge Effect by Exploring Paradigms, Ontologies, Epistemologies, Axiologies, and Methodologies

2019· article· en· W2998363599 sur OpenAlexaff
Lara Varpio, Anna MacLeod

Notice bibliographique

RevueAcademic Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMultidisciplinary approachOntologyEpistemologyEngineering ethicsGenerative grammarGRASPRhetoricAxiologyPhilosophy of scienceSociologyComputer scienceData scienceSocial scienceArtificial intelligencePhilosophyEngineering

Résumé

récupéré en direct d'OpenAlex

Health professions education (HPE) researchers come from many different academic traditions, from psychology to engineering to rhetoric. Trained in these traditions, HPE researchers engage in science and the building of new knowledge from different paradigmatic orientations. Collaborating across these traditions is particularly generative, a phenomenon the authors call the multidisciplinary edge effect. However, to harness this productivity, scholars need to understand their own paradigms and those of others so that collaboration can flourish. This Invited Commentary introduces the Philosophy of Science series-a collection of articles that introduce readers to 7 different paradigms that are frequently used in HPE research or that the authors suggest will be increasingly common in future studies. Each article in the collection presents a concise and accessible description of the main principles of a paradigm so that researchers can quickly grasp how these traditions differ from each other. In this introductory article, the authors define and illustrate key terms that are essential to understanding these traditions (i.e., paradigm, ontology, epistemology, methodology, and axiology) and explain the structure that each article in this series follows.

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)0,006
score de la tête « metaresearch » (Gemma)0,122
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,122
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,007
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,146
Tête enseignante GPT0,406
Écart entre enseignants0,260 · 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'étudeObservationnel
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

Citations119
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207