MétaCan
Menu
Retour à la cohorte
Enregistrement W3091000814 · doi:10.5195/jmla.2018.341

Librarians collaborating to teach evidence-based practice: exploring partnerships with professional organizations

2018· article· en· W3091000814 sur OpenAlexfundno aff
Kerry Dhakal

Notice bibliographique

RevueJournal of the Medical Library Association JMLA · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensnon disponible
Organismes subventionnairesHealth CanadaCanadian Health Libraries AssociationFlorida Department of HealthAssociation of Research LibrariesAmerican Association of Colleges of PharmacyAmerican Library Association
Mots-clésProfessional developmentProfessional associationEvidence-based practiceKnowledge managementMedical educationLibrary sciencePublic relationsMedicineComputer sciencePolitical scienceAlternative medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The study sought to determine if librarians are collaborating with nurses and professional nursing organizations to teach evidence-based practice (EBP) continuing education courses, workshop, classes, or other training activities. METHODS: A 15-question survey was sent to 1,845 members of the Medical Library Association through email. RESULTS: The survey was completed by 201 consenting respondents. Some respondents (37) reported having experience teaching continuing education in collaboration with professional health care organizations and 8 respondents, more specifically, reported having experience teaching EBP continuing education courses, workshops, classes, or other training activities in collaboration with professional nursing organizations. CONCLUSIONS: The survey results demonstrate that librarians are teaching continuing education classes or workshops in collaboration with professional health care organizations and reveal that there are a small number of librarians collaborating with professional nursing organizations to teach EBP continuing education courses, workshops, classes, or other training activities.

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 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)0,007
score de la tête « metaresearch » (Gemma)0,082
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,686
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,082
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0020,000
Communication savante0,0000,004
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,183
Tête enseignante GPT0,460
Écart entre enseignants0,277 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Medical Library Association JMLAMême sujetHealth Sciences Research and EducationTravaux en français237 207