Interprofessional education and collaborative practice research during the COVID-19 pandemic: Considerations to advance the field
Notice bibliographique
Résumé
In the past few months, we have heard repeatedly, “these are unprecedented times”. Truer words may have never been spoken for we find ourselves amid a global pandemic that has created exceptional, unparalleled, and unusual circumstances, affecting learners, faculty/educators, administrators, researchers, practitioners, and service users (patients/clients, families, and communities). The interprofessional education and collaborative practice (IPECP) research community has been affected in a multitude of ways; ways that have encouraged us to become more collaborative and ways that have sometimes set us apart from one another. The changes that we have experienced may leave us wondering whether we are alone in a field that espouses unity and if there is guidance available. In late 2019, InterprofessionalResearch.Global (IPR.Global) and Interprofessional.Global authored a discussion paper to rouse dialogue and offer perspectives for the global IPECP research agenda (Khalili et al., Citation2019). The long-term aim was to advance IPECP theory and research by 2022, through recommendations for research priorities and counsel on theoretical frameworks, research methodologies, and formation of research teams. And then the COVID-19 pandemic hit. All systems were disrupted globally, necessitating rapid transformation to online IPECP and subsequent evaluation of the impact on students, programs, service users, and healthcare systems (Langlois et al., Citation2020). Understandably, many are now asking how to continue to move forward, or even restart, IPECP research in this “new normal”. In response, IPR.Global formed a COVID-19 taskforce, from which this editorial is developed, to shed light on IPR.Global’s proposed recommendations for research teams (Khalili et al., Citation2019) and offer ways to forge ahead.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 tête enseignante, 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 ».