MétaCan
Menu
Retour à la cohorte
Enregistrement W3153404381 · doi:10.1038/s41379-021-00756-3

Abstracts from USCAP 2021: Education (271-295)

2021· article· en· W3153404381 sur OpenAlexaff
Jason Chair, Rhonda K. Yantiss, Kristin Jensen Chair, Cme Subcommittee, Laura C. Collins, Raja R. Seethala, Ilan Weinreb, Benjamin Adam, Rouba Ali‐Fehmi, Daniela Allende, Ghassan Allo, Isabel Alvarado‐Cabrero, Catalina Amador, Tatjana Antic, Roberto Barrios, Rohit Bhargava, Luiz Blanco, Jennifer M. Boland, Alain Borczuk, Elena F. Brachtel, Marilyn M. Bui, Eric Burks, Shelley Caltharp, Wendy Cao, Barbara A. Centeno, Joanna Chan, Jennifer R. Chapman, Yunn‐Yi Chen, Hui Chen, Wei Chen, Sarah Chiang, Nicole A. Cipriani, Beth Z. Clark, Alejandro Contreras, Claudiu Cotta, Jennifer Cotter, David Kaminsky, Zubair Baloch, Daniel J. Brat, Sarah Dry, William C. Faquin, Yuri Fedoriw, Karen Fritchie, Jennifer Gordetsky, Melinda Lerwill, Anna Marie Mulligan, Liron Pantanowitz, David Papke, Carlos Parra‐Herran, Rajiv M. Patel, Deepa T. Patil, Charles M. Quick, Lynette M. Sholl, Olga K. Weinberg, Maria Westerhoff, Michael Cho, Christopher C. Attaway, Malary Mani, Danielle Fortuna, Malvika Solanki, Carrie Bowler, Rondell P. Graham, Joseph J. Maleszewski, Loren Herrera Hernandez, Satyapal Chahar, Lomesh Choudhary, Ram Ahuja, Kalyan Sreeram, Anita Choudhary

Notice bibliographique

RevueModern Pathology · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPathologyMedicine

Résumé

récupéré en direct d'OpenAlex

Background: Pathologic diagnoses are rooted in the art of describing and communicating. This art is an implicit part of pathology residency training, acquired through experiences but influenced by many factors. Our project assessed resident perceptions of their confidence to describe and communicate pathology and various impacting factors. Pathology Pyramid (PathP), a game-style session, complements the current curriculum with a team building, confidence-promoting exercise to strengthen this art.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil0,501

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,251
Écart entre enseignants0,238 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern PathologyMême sujetAI in cancer detectionTravaux en français237 207