MétaCan
Menu
Retour à la cohorte
Enregistrement W3164934373 · doi:10.1097/acm.0000000000004174

Stories in the Time of COVID-19

2021· article· en· W3164934373 sur OpenAlexaff
Arno K. Kumagai, Jay Baruch

Notice bibliographique

RevueAcademic Medicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensThe Wilson CentreWomen's College Hospital
Organismes subventionnairesnon disponible
Mots-clésKindnessStorytellingBattleNarrativeAttritionCoronavirus disease 2019 (COVID-19)Meaning (existential)BurnoutAestheticsSociologyHistoryLiteraturePsychologyMedia studiesMedicineLawArtPolitical science

Résumé

récupéré en direct d'OpenAlex

The time of COVID-19 is the time of storytelling-stories of chaos, loss, and despair, but also of victories large and small, acts of kindness, and deep connections. Stories are a way to pass on meaning from one person to another, among communities, and across generations. COVID-19 stories are being used in the education of physicians, but for whose benefit and to what end? What if the "heroic" frontline worker is experiencing burnout or working out of necessity rather than by choice? What if the battle against an invisible enemy does not end triumphantly but becomes an interminable war of attrition? It is important not only to propose new questions but also to create spaces for stories that do not fit conveniently into standard narratives. Stories help foster the energy and drive to write about what is next and to act as physicians in the service of human beings and their lives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0200,017
Communication savante0,0130,012
Science ouverte0,0010,012
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,409
Écart entre enseignants0,344 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetEmpathy and Medical EducationTravaux en français237 207