MétaCan
Menu
Retour à la cohorte
Enregistrement W4220878189 · doi:10.1007/s40037-022-00702-2

From struggle to opportunity: Reimagining medical education in a pandemic era

2022· article· en· W4220878189 sur OpenAlexafffund
Sarah Burm, Victoria Luong, Kori A. LaDonna, Bryce J. M. Bogie, Lindsay Cowley, Jennifer M. Klasen, Anna MacLeod

Notice bibliographique

RevuePerspectives on Medical Education · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueOptimism, Hope, and Well-being
Établissements canadiensOttawa HospitalUniversity of OttawaDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaDalhousie University
Mots-clésTransformative learningPandemicIntrospectionCoronavirus disease 2019 (COVID-19)Work (physics)Call to actionSociologyPublic relationsPolitical scienceAction (physics)Environmental ethicsEngineering ethicsMedicinePedagogyPsychology

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has disrupted the international medical education community in unprecedented ways. The restrictions imposed to control the spread of the virus have upended our routines and forced us to reimagine our work structures, educational programming and delivery of patient care in ways that will likely continue to change how we live and work for the foreseeable future. Yet, despite these interruptions, the pandemic has additionally sparked a transformative impulse in some to actively engage in critical introspection around the future of their work, compelling us to consider what changes could (and perhaps should) occur after the pandemic is over. Drawing on key concepts associated with scholar Paulo Freire's critical pedagogy, this paper serves as a call to action, illuminating the critical imaginings that have come out of this collective moment of struggle and instability, suggesting that we can perhaps create a more just, compassionate world even in the wake of extraordinary hardship.

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)0,013
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0190,058
Communication savante0,0180,016
Science ouverte0,0020,021
Intégrité de la recherche0,0050,020
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,025
Tête enseignante GPT0,391
Écart entre enseignants0,366 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePerspectives on Medical EducationMême sujetOptimism, Hope, and Well-beingTravaux en français237 207