Former en ligne au recrutement de patients partenaires : l’apport des formations par concordance
Notice bibliographique
Résumé
Contexte et problématique : L’un des nombreux défis auxquels s’affrontent ceux qui entreprennent des projets de partenariat avec des patients est le recrutement des patients. Afin de rehausser l’efficacité du recrutement, la formation est un élément incontournable. Nous avons développé à cet effet une formation par concordance (FpC) diffusée en ligne, destinée à ceux qui entreprennent des projets de partenariat. Objectifs : Les buts de cet article sont de (1) présenter comment la FpC a été adaptée pour permettre l’apprentissage au recrutement de patients partenaires ; (2) décrire les défis techno-pédagogiques posés par l’utilisation de Moodle et les solutions qui ont été trouvées. Exégèse : Notre démarche a permis de démontrer que la FpC peut être adaptée pour des contextes pédagogiques différents, que des utilisations habituelles en formation clinique et que les outils classiques de Moodle peuvent être configurés à cet effet. Nous proposons que ce type d’adaptation, qui pourrait être utilisée dans d’autres contextes, porte le nom de FpC interprétative (FpCi).
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 | 0,029 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».