MétaCan
Menu
Retour à la cohorte
Enregistrement W3183472034 · doi:10.1259/bjro.20200064

Postgraduate radiology education: what has Covid-19 changed?

2021· article· en· W3183472034 sur OpenAlexaff
Andrew Nanapragasam, Meghavi Mashar

Notice bibliographique

RevueBJR|Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésSummative assessmentFormative assessmentCoronavirus disease 2019 (COVID-19)Medical educationPandemicMultidisciplinary approachMedicineRadiologyMultidisciplinary team2019-20 coronavirus outbreakPsychologyPathologyNursingMathematics educationDiseasePolitical science

Résumé

récupéré en direct d'OpenAlex

Radiology training in the UK follows a standardised pathway with formative and summative assessments throughout. The Covid-19 pandemic has affected multiple existing educational methods commonly used during radiology training including small group teaching, multidisciplinary team meetings, online e-learning modules, radiology courses, exam provision and more. As such, significant adaptations have been implemented in order to maintain the standard of radiology training which come with their respective advantages and disadvantages. However, the question still remains as to the effectiveness of these methods, their acceptability and longevity. In this review, we discuss these educational adaptations and future directions for training in the ongoing pandemic.

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)0,014
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,052
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,003
Communication savante0,0050,006
Science ouverte0,0020,003
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,235
Tête enseignante GPT0,458
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBJR|OpenMême sujetRadiology practices and educationTravaux en français237 207