Notice bibliographique
Résumé
Contexto: Una de las tareas nucleares que se asignan a los profesores clínicos es capacitar a los estudiantes para escoger entre un grupo de características que presenta un paciente y asignar con precisión una etiqueta diagnóstica con el objetivo final de desarrollar una estrategia de tratamiento apropiada. Durante los últimos 30 años se ha debatido considerablemente en el seno de la literatura en Educación en Ciencias de la Salud, sobre el modelo que mejor describe cómo los clínicos expertos generan decisiones diagnósticas. Propósito: El propósito de este ensayo es proporcionar una revision bibliográfica de la investigación sobre razonamiento clínico. Los puntos fuertes y débiles de las diferentes aproximaciones del razonamiento clínico se examinarán usando una de las principales divergencias se da entre los modelos de estrategia de razonamiento analítico (p.ej., consciente / controlado) versus estrategias de razonamiento no analítico (p.ej., inconsciente / automático). Como marco de referencia orientativo. Discusión: Trabajos recientes sugieren que los profesores clínicos deberían destacar la importancia de ambas formas de razonamiento, dando como resultado la capacitación de los estudiantes para ordenar los procesos de razonamiento de manera flexible y específica de contexto. Se extraen las implicaciones específicas para los profesores clínicos de primera línea.
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 | 0,001 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,013 |
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 ».