Five years of #MedRadJClub: An impact evaluation of an established twitter journal club
Notice bibliographique
Résumé
INTRODUCTION: Twitter journal clubs are a relatively new adaptation of an established continuing professional development (CPD) activity within healthcare. The medical radiation science (MRS) journal club 'MedRadJClub' (MRJC) was founded in March 2015 by a group of academics, researchers and clinicians as an international forum for the discussion of peer-reviewed papers. To investigate the reach and impact of MRJC, a five-year analysis was conducted. METHODS: Tweetchat data (number of participants, tweets and impressions) for the first five years of MRJC were extracted and chat topics organised into themes. Fifth anniversary MRJC chat tweets were analysed and examples of academic and professional outputs were collated. RESULTS: A total of 59 chats have been held over five years with a mean of 41 participants and 483,000 impressions per hour-long synchronous chat. Ten different tweetchat themes were identified, with student engagement/preceptorship the most popular. Eight posters or oral presentations at conferences, one social media workshop and four papers have been produced. Qualitative analysis revealed five core themes relating to the perceived benefits of participation in MRJC: (1) CPD and research impact, (2) professional growth and influencing practice, (3) interdisciplinary learning and inclusion, (4) networking and social support and (5) globalisation. CONCLUSION: MRJC is a unique, multi-professional, global community with consistent engagement. It is beneficial for both CPD, research engagement, dissemination and socialisation within the MRS community.
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 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 | 0,052 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».