MétaCan
Menu
Retour à la cohorte
Enregistrement W4389611645 · doi:10.1136/jcp-2023-209203

Evolving educational landscape in pathology: a comprehensive bibliometric and visual analysis including digital teaching and learning resources

2023· article· en· W4389611645 sur OpenAlexaff
Luca Cima, Nicole Bussola, Lewis Hassell, Tim‐Rasmus Kiehl, Casey P. Schukow, Norman Zerbe, Enrico Munari, Evelin Torresani, Mattia Barbareschi, Matthew J. Cecchini, Vito Cirielli, Francesca Pagliuca, Muhammad Ahtazaz Ahsan, Sambit K. Mohanty, Ernesto Arbitrio, Griffin Hughes, Kamran Mirza

Notice bibliographique

RevueJournal of Clinical Pathology · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésDigital pathologyCitationCitation analysisVirtual microscopyDescriptive statisticsPathologyComputer scienceMedicineMedical educationData scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Aims Pathology education is a core component of medical training, and its literature is critical for refining educational modalities. We performed a cross-sectional bibliometric analysis to explore publications on pathology education, focusing on new medical education technologies. Methods The analysis identified 64 pathology journals and 53 keywords. Relevant articles were collected using a web application, PaperScraper, developed to accelerate literature search. Citation data were collected from multiple sources. Descriptive statistics, with time period analysis, were performed using Microsoft Excel and visualised with Flourish Studio. Two article groups were further investigated with a bibliometric software, VOSViewer, to establish co-authorship and keyword relationships. Results 8946 citations were retrieved from 905 selected articles. Most articles were published in the last decade (447, 49.4%). The top journals were Archives of Pathology & Laboratory Medicine (184), Human Pathology (122) and the American Journal of Clinical Pathology (117). The highest number of citations was found for Human Pathology (2120), followed by Archives of Pathology & Laboratory Medicine (2098) and American Journal of Clinical Pathology (1142). Authors with different backgrounds had the greatest number of articles and citations. 12 co-authorship, 3 keyword and 8 co-citation clusters were found for the social media/online resources group, 8 co-authorship, 4 keyword and 7 co-citation clusters for the digital pathology/virtual microscopy/mobile technologies group. Conclusions The analysis revealed a significant increase in publications over time. The emergence of digital teaching and learning resources played a major role in this growth. Overall, these findings underscore the transformative potential of technology in pathology education.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesBibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0160,014
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,419
Écart entre enseignants0,353 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical PathologyMême sujetAI in cancer detectionTravaux en français237 207