Using a Nominal Group Technique to Develop a Science Communication Curriculum for Health Professionals and Clinical Researchers
Notice bibliographique
Résumé
Effective science communication is fundamental to closing the gap from research and innovation to clinical implementation. Existing paradigms of science communication are often challenged by a lack of skill and engagement, particularly from those who progress the science. Currently, a standardized curriculum on science communication, with global applicability, does not exist. The purpose of this project is to address the gap in training by health professionals and clinical researchers through the development of a globally relevant curriculum for science communication. The nominal group technique (NGT) was used whereby a convenience sample of eleven science communication experts from across the globe generated, discussed, and arrived at a consensus on topics that should be included in a standardized science communication curriculum. Experts represented diverse backgrounds within the health sciences. Due to the COVID-19 pandemic and geographical constraints, the NGT was conducted virtually. The consensus-building methodology allowed for each expert to equally present ideas and collaborate with one another to create a robust and comprehensive curriculum for effective science communication. Expert panelists reached a consensus on 10 essential components of a standardized global science communication curriculum. Following the refinement of the curriculum topic areas, a virtual meeting with project co-investigators was held to review the topics and discuss relevance, applicability, and appeal to the local contexts. A standardized science communication curriculum is needed for health professionals and clinical researchers. The NGT achieved expert consensus on the core topics. The next steps are to develop the course ensuring optimal participation from learners across the globe.
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 | 0,024 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».