Optimiser le potentiel d’une communauté de pratique auprès de professionnels en santé : des clés de succès
Notice bibliographique
Résumé
Contexte et problématique : La « communauté de pratique » (CoP) auprès de professionnels en exercice suscite de plus en plus d’intérêt en éducation des sciences de la santé. En tant que stratégie d’apprentissage collaboratif, elle valorise et soutient l’explicitation des savoirs d’expérience en vue du développement des meilleures pratiques dans des contextes précis. Or, ce concept a évolué et génère souvent de la confusion voire de la controverse, d’autant qu’il y a plusieurs types de CoP qui sont initiées tantôt par ses membres, tantôt par des organisations qui utilisent cette stratégie pour être plus performantes. Pour optimiser le potentiel de la CoP, il importe de comprendre sa signification, en plus de connaître les principes de base et les conditions de succès pour sa planification, son déroulement et son évaluation. Buts : Résumer le concept évolutif de la CoP, dégager ses principes de base et décrire les principales conditions de succès pour sa planification, son déroulement et son évaluation. Méthodes et résultats : En se référant à la littérature et aux expériences d’animation de CoP d’un des auteurs, ceux-ci en résument le concept évolutif et les principaux principes, puis décrivent sept clés de succès en y associant les principales actions à prévoir pour chacune d’elles. Conclusions : La CoP s’avère être une stratégie d’apprentissage collaboratif des plus pertinentes pour les enseignants en sciences de la santé et leurs organisations qui veulent améliorer les pratiques. Il est souhaitable que ce guide informatif soit utilisé pour faciliter la tenue de projets de CoP et pour en évaluer les impacts.
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 | 0,011 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».