MétaCan
Menu
Retour à la cohorte
Enregistrement W3195821427 · doi:10.3138/jvme-2021-0079

Academics’ Experiences in Veterinary Educational Research: Results of an International Survey

2021· article· en· W3195821427 sur OpenAlexvenueno aff
Sarah Baillie, Julie Hunt, Mirja Ruohoniemi, Victoria Phillips, Megan M. Thompson, Waraporn Aumarm, Manuel Boller

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueVeterinary Practice and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMentorshipMedical educationPromotion (chess)PsychologyMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Research conducted by the veterinary education community is critical to continual improvement of educational outcomes. Additionally, research productivity is one metric in promotion and tenure decisions. We sought to identify challenges encountered or anticipated when undertaking or planning veterinary educational research (VER), to learn how these challenges might be overcome, and to synthesize tips for success from those who have performed VER. A branching survey was developed and deployed along the authors' worldwide veterinary education contacts in a cascading manner. The survey collected quantitative and qualitative information from participants who had performed VER and those who planned to perform VER in the future. The 258 participants represented 41 countries. Of the participants, 204 had performed VER (79%) and 54 planned to in the future (21%). The median time spent teaching was 14 years, and median time performing VER was 5 years. The most commonly reported challenges in performing VER were lack of funding, lack of time, and difficulties encountered when undertaking a study, including data collection, analysis, and publishing. When asked about overcoming the challenges, a major theme emerged around people, who provided expertise and mentoring. The most commonly reported tip for success was collaboration; 73% of experienced researchers reported people as most helpful upon beginning VER. Collaborators provided diverse help with ideas, study design, statistics, and other aspects. These results suggest that institutions can offer support to academics in the form of small grants, protected research time, writing workshops, and mentorship to assist with the production of meaningful VER.

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)0,033
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,078
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,002
Communication savante0,0050,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,794
Tête enseignante GPT0,661
Écart entre enseignants0,132 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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 revueJournal of Veterinary Medical EducationMême sujetVeterinary Practice and Education StudiesTravaux en français237 207