MétaCan
Menu
Retour à la cohorte
Enregistrement W4385828181 · doi:10.15273/hpj.v3i1.11488

Reconciliation Through Co-Learning: A Dietetic Intern’s Journey With the Two-Eyed Seeing Program

2023· article· en· W4385828181 sur OpenAlexafffund
Megan Churchill, Florence Blackett, Ann Sylliboy, Albert W. Marshall, Shannan Grant

Notice bibliographique

RevueHealthy Populations Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesMount Saint Vincent University
Mots-clésInternshipIndigenousSAINTMedical educationBoot campPedagogyMedicineEngineeringLibrary scienceSociologyHistoryEcology

Résumé

récupéré en direct d'OpenAlex

The Two-Eyed Seeing Program is a Mount Saint Vincent University-based program that partners with Indigenous and non-Indigenous communities and programs to promote, decolonize, and indigenize science, technology, engineering, and mathematics (STEM) through summer camps for Indigenous youth. In the summer of 2022, Megan Churchill, a settler, was the dietetic intern with the Two-Eyed Seeing Program. The commentary shares her experiences throughout the dietetic internship placement, including meeting with Elder Dr. Albert Marshall. Throughout Megan’s dietetic internship placement, she noticed that Indigenous Knowledge and values are rarely incorporated into university STEM education; therefore, this commentary advocates for Indigenous studies and knowledge to be made mandatory in university settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0440,017
Communication savante0,0100,008
Science ouverte0,0040,017
Intégrité de la recherche0,0100,030
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,230
Tête enseignante GPT0,474
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthy Populations JournalMême sujetService-Learning and Community EngagementTravaux en français237 207