MétaCan
Menu
Retour à la cohorte
Enregistrement W3183310525 · doi:10.2196/31846

Coproduction, Coeducation, and Patient Involvement: Everyone Included Framework for Medical Education Across Age Groups and Cultures

2021· article· en· W3183310525 sur OpenAlexvenueno aff
Amy Price, Aishini Damaraju, Poorna Kushalnagar, Summer Brunoe, Ujwal Srivastava, Marcella Debidda, Larry F. Chu

Notice bibliographique

RevueJMIR Medical Education · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoproductionGeneral partnershipParticipatory action researchCommonsPublic relationsHealth careInternshipMedical educationDisadvantagedSociologyPsychologyMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Medical education, research, and health care practice continue to grow with minimal coproduction guidance. We suggest the Commons Principle approach to medical education as modeled by Ostrom and Williamson, where we share how adapting these models to multiple settings can enhance empathy, increase psychological safety, and provide robust just-in-time learning tools for practice. We here describe patient and public coproduction in diverse areas within health care using the commons philosophy across populations, cultures, and generations with learning examples across age groups and cultures. We further explore descriptive, mixed methods participatory action in medical and research education. We adopt an "Everyone Included" perspective and sought to identify its use in continuing medical education, citizen science, marginalized groups, publishing, and student internships. Overall, we outline coproduction at the point of need, as we report on strategies that improved engagement. This work demonstrates coproduction with the public across multiple settings and cultures, showing that even with minimal resources and experience, this partnership can improve medical education and care.

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)0,047
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,250

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0180,102
Communication savante0,0150,018
Science ouverte0,0050,037
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,374
Écart entre enseignants0,361 · 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'étudeThéorique ou conceptuel
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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetEmpathy and Medical EducationTravaux en français237 207