P.150 The Canadian Medical Student Interest Group in Neurosurgery (CaMSIGN) platform: a retrospective study on Canadian medical students
Notice bibliographique
Résumé
Background: The Canadian Medical Student Interest Group in Neurosurgery (CaMSIGN) is the first neurosurgery platform of its kind in Canada. Methods: In this retrospective study, data from CaMSIGN’s online platforms have been collated from February 2021 to the present and analyzed to show trends in user engagement. Results: CaMSIGN events generated 1,575 views on YouTube (384 from Canada). The total watch time was 170.3 hours, of which 43.9 hours were Canadian (28.5%). The total views normalized by the total number of students interested in neurosurgery was 17.12 hours. The normalized Canadian view was 4.17. 717 people follow the CaMSIGN Facebook account (normalized= 7.79). 152 people follow our Instagram (normalized= 1.65). 338 people follow our Twitter (normalized= 3.67). This number is comparable to that of estimated practicing neurosurgeons in Canada (333). A total of 32,974 people visited the Twitter page, with a monthly average of 2747.8. Lastly, the campaign website has had 5,811 visitors since its launch in June 2021 with a monthly average of 695.57 visitors. The number of website visitors has increased at a rate of 3.1327 visitors/month. Conclusions: Through this initiative, our aim has been to model a pan-Canadian approach to neurosurgery.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».