MétaCan
Menu
Retour à la cohorte
Enregistrement W3018961790 · doi:10.2196/15877

Current and Future Trends in Life Sciences Training: Questionnaire Study

2020· article· en· W3018961790 sur OpenAlex
William Magagna, Nicole Wang, Kyle L. Peck

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Medical Education · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatus quoPhoneMedical educationPerceptionPsychologyTraining (meteorology)Field (mathematics)Public relationsPolitical scienceMedicineGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Every year, the life science field spends billions of dollars on educational activities worldwide. The continuing professional development of employees, especially in this field, encompasses great challenges. Emerging technologies appear to offer opportunity, but relatively little research has been done on the effectiveness of pedagogies and tools that have been used in the life sciences, and even less research has been devoted to understanding the potential power of emerging options that might determine the field's future. OBJECTIVE: In collaboration with the Life Sciences Trainers & Educators Network (LTEN), this study investigated the current state of the pedagogies and tools currently adopted by corporate training professionals in the life sciences as well as the professionals' perceptions of the impacts of emerging technologies on training. METHODS: This study adopted a mixed methods approach that included a survey and a follow-up interview. The survey consists of 18 broad questions with 15 subquestions in each of the five specific sectors of the life sciences field. Interviews were conducted by phone and lasted approximately 40 minutes, covering 18 questions designed to follow-up on findings from the survey items. RESULTS: Both survey and interview results indicated that the professionals were not satisfied with the status quo and that training and education in this field need to change. Most of the techniques and tools currently used have been used for some time. The professionals surveyed were not satisfied with the current techniques and tools and did not find them cost-effective. In addition, the respondents pictured the future of training in this field to be more engaging and effective. CONCLUSIONS: This is the first study in a series designed to better understand education and training in the life sciences on a macro level, in order to build a foundation for progress and evolution of the future landscape. Next steps involve developing strategies for how to extend this vision throughout individual organizations.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,291

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,033
Tête enseignante GPT0,386
Écart entre enseignants0,352 · 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