History’s Toolbox in Health Professions Education: One Skill-Based Session on Social Determinants of Health
Notice bibliographique
Résumé
Aimed at clinical educators, this article reports on the use of a single skill-based session that introduces learners in Health Professions Education (HPE) to basic techniques from the discipline of history. The premise of the teaching method is a correspondence between medicine's social determinants of health (SDH) and categories of analysis commonly used by historians. At the center are eight categories, or "tools": social, cultural, intellectual, technological, political, economic, racial/ethnic, and gendered. Like the direct and specific implications of many diagnostic signs, each of these adjectives indicate to historians specific types of factors, or determinants. The intervention employs the demonstration-performance teaching method (explanation, demonstration, supervised practice, and evaluation). After the session, learners are able to: use "history's toolbox" as a systematic method for evaluating socio-cultural phenomena inherent in SDH; differentiate eight types of determinants in a historical case study that represents socio-cultural complexity; recognize how categorization simultaneously enhances some determinants while obscuring others, and how the use of constructed social categories in medicine can function to help and harm patients and populations. The intervention described is rooted in scholarship and theoretical questions belonging to the discipline of history, but these are not discussed. Neither the historical content nor the teaching method described here is appropriate for research or teaching in the discipline of history.
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 | 0,007 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».