Complex skills are required for new primary health care researchers: a training program responds
Notice bibliographique
Résumé
BACKGROUND: Current dimensions of the primary health care research (PHC) context, including the need for contextualized research methods to address complex questions, and the co-creation of knowledge through partnerships with stakeholders - require PHC researchers to have a comprehensive set of skills for engaging effectively in high impact research. MAIN BODY: In 2002 we developed a unique program to respond to these needs - Transdisciplinary Understanding and Training on Research - Primary Health Care (TUTOR-PHC). The program's goals are to train a cadre of PHC researchers, clinicians, and decision makers in interdisciplinary research to aid them in tackling current and future challenges in PHC and in leading collaborative interdisciplinary research teams. Seven essential educational approaches employed by TUTOR-PHC are described, as well as the principles underlying the curriculum. This program is unique because of its pan-Canadian nature, longevity, and the multiplicity of disciplines represented. Program evaluation results indicate: 1) overall program experiences are very positive; 2) TUTOR-PHC increases trainee interdisciplinary research understanding and activity; and 3) this training assists in developing their interdisciplinary research careers. Taken together, the structure of the program, its content, educational approaches, and principles, represent a complex whole. This complexity parallels that of the PHC research context - a context that requires researchers who are able to respond to multiple challenges. CONCLUSION: We present this description of ways to teach and learn the advanced complex skills necessary for successful PHC researchers with a view to supporting the potential uptake of program components in other settings.
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 | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; un appel candidat d’une seule tête enseignante, 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 ».