Rédiger un article en pédagogie médicaleDéfis et pistes de solution
Notice bibliographique
Résumé
Contexte : Le partage du savoir est impérieux. Ainsi vivent les revues. Pourtant, la production d’articles en pédagogie médicale demeure problématique dans le monde de la francophonie. L’auteur s’attarde à cette question, surtout à l’intention de la population de jeunes collègues qui ont opté pour ce domaine professionnel. Matériel : L’auteur utilise un article de la prestigieuse revue américaine Academic Medicine. Ces penseurs identifient neuf stratégies qui favorisent l’écriture d’articles en éducation médicale. L’auteur y ajoute ses réflexions et opinions grâce à l’expérience et au partage de confidences de collègues. Ceci conduit à identifier les activités les plus fructueuses. Résultats : Au-delà de ces processus stratégiques, l’auteur se risque à partager quatre observations personnelles qui toutes visent l’acquisition d’attitudes et suscitent la motivation interne, outils essentiels pour développer la « perspective universitaire » du goût de produire des articles. Conclusion : L’auteur aborde enfin la problématique de la reconnaissance universitaire de telles productions, l’enjeu de ce sujet.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,016 | 0,013 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,007 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».