MétaCan
Menu
Retour à la cohorte
Enregistrement W4387017985 · doi:10.22421/1517-7130/es.2023v24.e960

Visão de estudantes de medicina sobre os resultados da pandemia de Covid-19 no currículo paralelo

2023· article· en· W4387017985 sur OpenAlexaff
Mariana Xavier e Silva, Isabela Dombeck Floriani, Guilherme Silva Pedro, Diancarlos Pereira de Andrade, Izabel Cristina Meister Martins Coelho

Notice bibliographique

RevueEspaço para a Saúde - Revista de Saúde Pública do Paraná · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth, Nursing, Elderly Care
Établissements canadiensSNC-Lavalin (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Medical educationCurriculumPandemicLikert scalePsychologyHumanitiesMedicinePedagogyArt

Résumé

récupéré en direct d'OpenAlex

The Covid-19 pandemic has significantly impacted medical education, especially the parallel curriculum, which encompasses several extracurricular activities, such as academic leagues, internships, extension projects, undergraduate research projects, teaching assistance, and elective courses. This study aims at analyzing the result of the Covid-19 pandemic on the parallel curriculum from the perspective of medical students. This is an exploratory-descriptive, cross-sectional study, using an online questionnaire via Google Forms® with Likert-type scale questions. The sample consisted of 340 Medicine students, from the 4th to the 12th terms, from Curitiba, Paraná. The online modality facilitated the submission of scientific papers, as well as the accessibility to medical events, which had the highest adherence among the evaluated activities. Participation in scientific research stands out, especially for students in the basic/ clinical cycle. Therefore, most participants agree that there are adaptations to be maintained in the post-pandemic period.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,249
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,005

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 Opus0,091
Tête enseignante GPT0,463
Écart entre enseignants0,372 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspaço para a Saúde - Revista de Saúde Pública do ParanáMême sujetHealth, Nursing, Elderly CareTravaux en français237 207