Chinese Sources for AfterWards: From Premodern Poetry, Paintings, and Medical Texts to Modern Novels, Film, and Documentaries
Notice bibliographique
Résumé
This paper focuses on Chinese sources suggested for a narrative medicine (NM) program, called AfterWards. Dr Lauren Small established AfterWards in 2014 and has been coordinating it since out of the Pediatrics Department at Johns Hopkins Medicine. In early 2019, she started giving a series of lectures and workshops about AfterWards to Chinese medical educators and clinicians in Beijing and Shanghai. She created an AfterWards Facilitator’s Guide based on Western-language sources for workshop participants. She also started to organize with Jiang Yuhong (Peking Union Medical College) a workshop for Chinese colleagues to be held at Johns Hopkins Medicine in October 2019. They invited the author to participate. The idea was hatched then to develop Chinese source materials following the AfterWards structure for an updated Facilitator’s Guide that Dr Small had initially written. A typical one-hour AfterWards session consists of a specific five-part structure: a literary text or artwork, an associated theme, discussion topics, a writing exercise, and shared reflection. While the content of the program always changes from session to session, the basic structure remains the same. This paper summarizes the types of Chinese sources and their related narrative-medicine themes that were originally selected for inclusion in the updated AfterWards Facilitator’s Guide intended for Chinese colleagues. These sources about coping with sick family members, aging, and illness ranged from the textual (classical Chinese poems on aging and diagnostic forms for training students) and visual (premodern Chinese paintings and murals of medical encounters) to the fictive (novels) and performative (contemporary Asian-American film in English and Chinese-language film and documentaries).
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».