Disseminating evidence in medical education: journal club as a virtual community of practice
Notice bibliographique
Résumé
BACKGROUND: This study explores the impacts of the Council on Medical Student Education in Pediatrics (COMSEP) Journal Club, a unique means of providing monthly professional development for a large international community of pediatric undergraduate medical educators. In particular, we sought to establish member engagement with the Journal Club, identify factors impacting member contributions to the Journal Club, and determine perceived benefits of and barriers to participation as a Journal Club reviewer. METHODS: Using an established Annual Survey as a study instrument, six survey questions were distributed to members of COMSEP. Items were pilot tested prior to inclusion. Quantitative data were analyzed using descriptive statistics and chi-square analysis.. RESULTS: Of 125 respondents who completed the survey, 38% reported reading the Journal Club most months or always. Level of engagement varied. Reasons for reading included a topic of interest, keeping up to date on medical education literature, gaining practical tips for teaching and implementing new curricula. Motivators for writing a review included keeping up to date, contributing to a professional organization, and developing skill in analyzing medical education literature, with a minority citing reasons of enhancing their educational portfolio or academic promotion. The most commonly cited barriers were lack of time and lack of confidence or training in ability to analyze medical education literature. CONCLUSION: As a strategy to disseminate the latest evidence in medical education to its membership, the COMSEP Journal Club is effective. Its format is ideally suited for busy educators and may help in members' professional development and in the development of a community of practice.
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 | 0,029 | 0,498 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».