Exploring glocalization in the construction and implementation of global curricula.
Notice bibliographique
Résumé
11020 Background: Despite proposed advantages of global oncology curricular harmonization including physician mobility and improving the quality of care the challenges and unintended consequences require greater study. The aim of this study was to problematize the concept and implementation of global oncology curricula and their relationship to local contexts of power and culture. Methods: Fourteen international participants involved in the development and implementation of global oncology curricula completed in-depth, one-on-one semi-structured interviews lasting 40-60 minutes. Snowball sampling was employed. The participant sample was representative of different geographic regions, genders and professional scopes of practice to ensure diverse perspectives were sought. Through iterative analyses, using an abductive approach, the study team discussed and reviewed the data and made revisions through collaborative analysis to enhance comprehensiveness and to improve credibility. In the final analysis the meaning and implication of the themes were discussed yielding a conceptual analysis. Results: Our data have articulated 5 key challenges for global curricula including 1) Ambiguous or conflicting perspectives on the purpose and scope of Global Oncology Curricula 2) Insufficient representation of diverse perspectives and realities in the creation of the final curricula 3) A rigid conceptualization of competency requirements 4) A mismatch between the curricular requirements and local context and 5) The influence of power relationships and decision makers. Leveraging the strengths of diversity including fostering representation, addressing power differentials and factoring local contexts may be an approach to mitigating these challenges. Conclusions: Global oncology curricula may serve important advocacy roles within the healthcare system. Leveraging diversity may positively impact the common challenges in the construction and implementation of global oncology curricula.
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 | 0,026 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,013 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».