MétaCan
Menu
Retour à la cohorte
Enregistrement W4396625025 · doi:10.5430/jct.v13n2p33

Biomedical Researchers Should be Taught Statistics Differently than Biostatisticians in Training: Illustration of a Module within a Clinical Research Seminar Course

2024· article· en· W4396625025 sur OpenAlexvenueno aff
Greg Samsa, Steven C. Grambow, Megan L. Neely, Gina‐Maria Pomann, Clemontina A. Davenport, Marissa C. Ashner, Jesse D. Troy

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2024
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistics Education and Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCourse (navigation)Medical educationStatisticsPsychologyTraining (meteorology)Mathematics educationMathematicsMedicineEngineeringGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

The predominant model for biomedical research is team science. Two critical members of the team are the clinical investigator and the biostatistician. Typically, the biostatistician performs statistical analyses and the clinical investigator interprets the results. Clinical investigators have different background and interests than biostatisticians, and should be taught statistics differently. Concepts should be phrased in plain language, illustrations should replace mathematical derivations, and underlying statistical concepts should be explicitly named. Consistent with basic principles of constructivism, clinical investigators and biostatisticians will (and should) have different but overlapping mental maps of statistics. Our approach is illustrated through the description of a module within a research seminar course for clinical investigators.

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)0,016
score de la tête « metaresearch » (Gemma)0,023
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,618
Tête enseignante GPT0,588
Écart entre enseignants0,030 · 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'étudeThéorique ou conceptuel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetStatistics Education and MethodologiesTravaux en français237 207