Cost of free open‐access medical education (<scp>FOAM</scp>): An economic analysis of the top 20 <scp>FOAM</scp> sites
Notice bibliographique
Résumé
Background: Free open-access medical education (FOAM) is a growing resource within the field of medicine, in particular, emergency medicine. Yet despite FOAM's contribution to advancing medical education, the precise value of FOAM has never been calculated. As a result, content creators have not been acknowledged, either financially or academically, for their deliverables. The aim of this paper was to meet this challenge by determining a value for the top 20 FOAM sites as determined by web traffic in emergency medicine through two approaches. The first approach was to value the websites through a market-based method, where the value of the website was extrapolated from the number of blog posts published. The second approach was through a traffic analysis for each website. Methods: The top 20 FOAM websites in emergency medicine were identified and the monetary value of each resource was calculated through two methods, the first by extrapolating the number of blog posts published by each resource and the second through traffic analysis conducted by a third-party industry specialist based on the number of unique visitors and page visits. Results: The median page views per month was 194,850 and the median number of unique visitors was 138,350. Based on the content valuation method, the median value of content produced in a year was $2337.06 per website. Through the traffic valuation method, the median overall value of a website was $22,815. Conclusions: Although two different approaches were used to value FOAM, both came to the same conclusion that there is substantial economic value being produced. This value should not go unrewarded and content creators should be acknowledged either academically or financially for their contributions.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».