Faculty Development for Education for Sustainable Health Care: A University System-Wide Initiative to Transform Health Professional Education
Notice bibliographique
Résumé
Health professionals (HPs) are increasingly called upon to care for patients experiencing the health impacts of climate change, while working in the high eco-footprint health care system, which is starting to embrace a culture of sustainability. HPs are uniquely positioned to drive health care culture toward ecological responsibility and, consequently, improve patient care, health equity, and public health. Education for sustainable health care (ESHC or ESH) is the first step in developing health care practitioners able to think critically about and act upon the health impacts of the climate crisis. University of California Education for Sustainable Healthcare (UC-ESH) Faculty Development Initiative was developed to address the following goals: educate faculty on eco-medical literacy, empower faculty to build community and lead ESH at their institutions, and expand coverage of ESH to reach students beyond those for whom sustainability is already a focus. The initiative provided training to faculty across health professions and 6 health science campuses to integrate ESH into their courses using the train-the-trainer model, key knowledge and pedagogical skills, and longitudinal guidance and networking opportunities. Using a survey, questionnaire, and interviews, the initiative was evaluated using the process/elements and product/outcomes steps of the Context, Input, Process, and Product evaluation model. The UC-ESH educated over 100 faculty members and led to ESH integration into 99 existing and new courses that subsequently reached over 7,000 learners. The UC-ESH increased empowerment, awareness, and knowledge about the climate crisis, and built an ESH community of practice. Initiative elements that contributed to these outcomes included engaging training; creation of supportive group dynamics; helpful resources and activities; ongoing support; and integration approaches to ESH. This university-system-wide initiative provides a transferable model to institutions, schools, and departments seeking to develop eco-medical literate faculty who educate their students about the climate, ecosystem, and health crisis.
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 | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».