MétaCan
Menu
Retour à la cohorte
Enregistrement W4396892465 · doi:10.1097/acm.0000000000005762

Where Do We Go From Here? An Inventory of Publicly Available Data About Educator Academies, Medical Education Departments, and Offices of Medical Education

2024· article· en· W4396892465 sur OpenAlexaboutno aff
Stephanie C. Kerns, Gary L. Beck Dallaghan, Nicole J. Borges, Kathryn N. Huggett

Notice bibliographique

RevueAcademic Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical educationMedical schoolMEDLINEPhysician assistantsMedicinePolitical scienceHealth careNurse practitioners

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: With the recent widespread growth and interest among medical educators, analysis of how departments of medical education are structured and their intersection with existing structures within the same institution, such as an office of medical education and/or academy of educators, is warranted. Based on a review of the literature, the authors determined there was a need for an inventory of what medical schools have to offer their faculty, whether it be an office, an academy, or a department. This project sought to inventory the current structures of medical education departments, offices, and academies at U.S. medical schools to explore reporting structure, functions, and characteristics of these entities. Data were extracted from A Snapshot of Medical Student Education in the United States and Canada: Reports From 145 Schools, published in 2020 in the journal Academic Medicine , for each reporting institution. This led to exploration of medical school websites to catalogue institutional structures. Data collected in this inventory demonstrate the range of structures used by medical schools to offer faculty support for their work as teachers and educational researchers. The hypothesis was that departments of medical education would be the least prevalent structures identified in U.S. medical schools, which was indeed a finding. Although the search yielded considerable data for the inventory, there is a dearth of published literature describing current models and characteristics of these different entities. Significant difficulties were encountered locating information clearly delineating roles and responsibilities of each entity on many medical schools' public-facing web pages. Findings are significant because they underscore the challenges medical education leaders have in obtaining information to research, compare, select, and design the administrative model(s) best suited to support faculty educators at their institution. Future work should include creating a detailed catalogue with descriptive information supplied by schools.

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)0,014
score de la tête « metaresearch » (Gemma)0,083
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,083
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,083
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0230,047
Études des sciences et des technologies0,0010,001
Communication savante0,0060,006
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,050
Tête enseignante GPT0,407
Écart entre enseignants0,357 · 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'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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetInnovations in Medical EducationTravaux en français237 207