MétaCan
Menu
Retour à la cohorte
Enregistrement W3201844792 · doi:10.1080/21614083.2021.1984076

Imagining the Future of Learning in Healthcare: The GAME 2019 #FuturistForum

2021· article· en· W3201844792 sur OpenAlexaff
Suzanne Murray, Jur Koksma, Aviad Haramati, Éric Bonnefoy, Nabil Zary, Werner Bill, Olaf Wolkenhauer, Susanna Price, Dale R. Kummerle

Notice bibliographique

RevueJournal of European CME · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensAxdev Group (Canada)
Organismes subventionnairesDaiichi Sankyo EuropeFogarty International CenterAstellas Pharma USCalifornia Department of Fish and GameJanssen PharmaceuticalsAstraZenecaDaiichi Sankyo CompanyMerck
Mots-clésEnablingHealth careEvent (particle physics)PandemicCoronavirus disease 2019 (COVID-19)Knowledge managementReflection (computer programming)PsychologyPublic relationsMedicinePolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The GAME 2019 #FuturistForum involved an exchange of ideas and perspectives on the future of learning in healthcare and necessary evolutions to sustain future health systems. This event allowed for reflection and discourse around a) what medical learning or learning in healthcare may look like 10-15 years from now, b) how technology would impact that evolution, and c) what collaborative roles distinct stakeholders would play. Seventy-five (75) key stakeholders, experts from various fields, participated in the two-day event. Four multifaceted themes were uncovered from the qualitative analysis, which are: learning will be lifelong and outcome-based, the health system will follow a preventive care model, technology will be an enabler of evolution in education and health systems, and that multi-level collaboration will support and sustain future progress. Future implications, exacerbated by the ongoing COVID-19 pandemic, and study limitations are described.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,535

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,309
Écart entre enseignants0,297 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of European CMEMême sujetInnovations in Medical EducationTravaux en français237 207