Interdisciplinarity in medical education research: myth and reality
Notice bibliographique
Résumé
The medical education (Med Ed) research community characterises itself as drawing on the insights, methods, and knowledge from multiple disciplines and research domains (e.g. Sociology, Anthropology, Education, Humanities, Psychology). This common view of Med Ed research is echoed and reinforced by the narrative used by leading Med Ed departments and research centres to describe their activities as "interdisciplinary." Bibliometrics offers an effective method of investigating scholarly communication to determine what knowledge is valued, recognized, and utilized. By empirically examining whether knowledge production in Med Ed research draws from multiple disciplines and research areas, or whether it primarily draws on the knowledge generated internally within the field of Med Ed, this article explores whether the characterisation of Med Ed research as interdisciplinary is substantiated. A citation analysis of 1412 references from research articles published in 2017 in the top five Med Ed journals was undertaken. A typology of six knowledge clusters was inductively developed. Findings show that the field of Med Ed research draws predominantly from two knowledge clusters: the Applied Health Research cluster (made of clinical and health services research), which represents 41% of the references, and the Med Ed research cluster, which represents 40% of the references. These two clusters cover 81% of all references in our sample, leaving 19% distributed among the other knowledge clusters (i.e., Education, disciplinary, interdisciplinary and topic centered research). The quasi-hegemonic position held by the Applied Health and Med Ed research clusters confines the other sources of knowledge to a peripheral role within the Med Ed research field. Our findings suggest that the assumption that Med Ed research is an interdisciplinary field is not convincingly supported by empirical data and that the knowledge entering Med Ed comes mostly from the health research domain.
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 | 0,113 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,019 | 0,184 |
| Communication savante | 0,045 | 0,046 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,008 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».