MétaCan
Menu
Retour à la cohorte
Enregistrement W3184569831 · doi:10.1097/nne.0000000000001066

Scientific Global Nursing Hackathon Experience

2021· article· en· W3184569831 sur OpenAlexaboutno aff
Amynah Mevawala, Faith A. Strunk, Roya Haghiri‐Vijeh, Inge B. Corless, Padmavathy Ramaswamy, Kendra Kamp, Sheryl A. Scott, Sarah Gray

Notice bibliographique

RevueNurse Educator · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBrainstormingVariety (cybernetics)Process (computing)Health carePsychologyNursingMedical educationSociologyComputer scienceMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hackathons are organized to bring together both experienced and novice individuals from a variety of backgrounds to brainstorm creative solutions to complex issues. Hackathons may last from a few hours to a few days and may provide rewards for winning entries. PURPOSE: In this article, we describe an experience with a scientific hackathon at an international nursing research congress in Calgary, Canada. We discuss the purpose, process, benefits, and challenges of this hackathon. APPROACH: For this article, we have used a descriptive approach. OUTCOMES: The scientific hackathon experience united international nursing scholars into a community with a common focus enabling the continuation of mutual, future endeavors. CONCLUSION: Hackathons are a means of connecting novices and experts from different backgrounds to develop technology-based solutions for health care issues. The ideas generated at hackathons may be further developed to bring the project to fruition to positively impact health 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 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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,009
Tête enseignante GPT0,269
Écart entre enseignants0,260 · 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'étudeSans objet
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 revueNurse EducatorMême sujetBiomedical and Engineering EducationTravaux en français237 207