Guidelines for developing and updating short courses and course programs using the ISCB competency framework
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<strong>Competency frameworks have proved to be a powerful tool for curriculum development and assessment across many subject domains, and the field of computational biology is no exception. Efforts from the ISCB to develop and successively refine a set of competencies for bioinformatics education and various associated mapping tools have provided a framework for bringing competency-based design principles broadly to education and training of a wide range of professionals in need of some level of mastery of the principles and practice of computational biology. This document seeks to provide some basic guidance for education and training professionals in the field in how to use this framework effectively. It includes a basic background on competency-based education and the history of the ISCB competency framework specifically, leading up to the Version 3 framework considered here. It then follows with some basic principles of applying competency-based education and an illustration of how they apply to different tasks in curriculum development. Appendices and various linked documents provide further elaboration and helpful guidance on the ISCB competencies specifically and some ways in which versions of them have been used already to develop diverse forms of bioinformatics education and training experience. Our target readerships are trainers and educators working in computational biology or more broadly in the molecular life sciences, medicine, and other disciplines that use biomolecular data, including those working in academia, industry and the public sector. </strong>
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle