Barriers to cross-disciplinary knowledge flow: The case of medical education research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: The medical education research field operates at the crossroads of two distinct academic worlds: higher education and medicine. As such, this field provides a unique opportunity to explore new forms of cross-disciplinary knowledge exchange. METHODS: Cross-disciplinary knowledge flow in medical education research was examined by looking at citation patterns in the five journals with the highest impact factor in 2017. To grasp the specificities of the knowledge flow in medical education, the field of higher education was used as a comparator. In total, 2031 citations from 64 medical education and 41 higher education articles published in 2017 were examined. RESULTS: Medical education researchers draw on a narrower range of knowledge communities than their peers in higher education. Medical education researchers predominantly cite articles published in health and medical education journals (80% of all citations), and to a lesser extent, articles published in education and social science journals. In higher education, while the largest share of the cited literature is internal to the domain (36%), researchers cite literature from across the social science spectrum. Findings suggest that higher education scholars engage in conversations with academics from a broader range of communities and perspectives than their medical education colleagues. DISCUSSION: Using Pierre Bourdieu's concepts of doxa and field, it is argued that the variety of epistemic cultures entering the higher education research space contributes to its interdisciplinary nature. Conversely, the existence of a relatively homogeneous epistemic culture in medicine potentially impedes cross-disciplinary knowledge exchange.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,161 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
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.
score_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