Urology education in the time of COVID-19
Notice bibliographique
Résumé
We are living in unprecedented times.The emergence of coronavirus disease 2019 (COVID-19) and its rapid spread throughout the world has propelled the medical community into a time of accelerated innovation and change.Although the necessary focus has been on disease containment and delivery of care, the pandemic has had a profound impact on medical education at both the undergraduate and post-graduate levels.Didactic and team-based teaching have long been integral to post-graduate education in any specialty, including urology [1,2].Traditionally, these teaching sessions have taken place in physical spaces with "face to face" interactions.However, during the COVID-19 pandemic, social distancing has been adopted as a recommended preventative strategy pending development of an effective vaccine or treatment [3].By definition, social distancing precludes residents and staff from gathering in lecture halls or classrooms.In response, many institutions have leveraged technology to adapt portions of curricula to online formats.This is enabled by the availability of user-friendly Voice over Internet Protocol (VoIP) software.Since the introduction of Skype, one of the first VoIP software with video chat, in 2003, the technology has matured and become more widespread [4].There are now a variety of software with multi-video conferencing and screensharing capabilities.Some have end-to-end encryption.Many offer a free trial or free tier, with the option to upgrade for additional features.The availability of assessment technologies such as ExamSoft also enable administration of low-stakes tests from home.Perhaps the most significant shift that has occurred in urology education during the COVID-19 pandemic is the rise of massive open online courses (MOOCs).MOOCs are openaccess, online courses aimed at unlimited participation [5,6].They gained traction in 2012 with the emergence of well-funded course providers associated with top universities such as Coursera, Udacity, and EdX.Prior to the COVID-19 pandemic, MOOCs in urology are limited.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,004 |
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 ».