Formation and evaluation of the ASCO medical education community of practice (Med Ed CoP).
Notice bibliographique
Résumé
9022 Background: High quality education is crucial for hematology/oncology (H/O) training and lifelong learning. However, H/O has historically prioritized clinical and research careers over medical education careers. Consequently, few programs support H/O educators. A CoP is a group that shares “a concern or passion for something they do and learn how to do it better as they interact regularly.” We formed the ASCO Med Ed CoP in 2021 to provide a collaborative network and professional development venue for H/O educators. Methods: Following a published framework for developing a global health professions educator community (Establish-Grow-Sustain), we (ASCO Education Scholars Program graduates) developed CoP mission and vision statements and a leadership structure (Establish), formed committees and projects (Grow), and gathered at the ASCO Annual Meeting and via virtual Town Halls (Sustain). In 2023, we collected demographics and evaluated the CoP using a logic model focused on inputs, activities, outputs, and impact. Results: As of December 2023, the CoP includes 238 members from 143 institutions (38 [27%] non-U.S.): 207 (87%) ASCO members; 127 (53%) women, 106 (45%) men, 5 (2%) no response (NR); 111 (47%) White, 88 (37%) Asian/Pacific Islander, 27 (11%) Latinx/Hispanic, 12 (5%) Black/African-American, 8 (3%) Middle Eastern, 1 (0.4%) African, 16 (7%) NR; 146 (61%) hematologist/oncologists, 68 (29%) trainees, 6 (3%) radiation oncologists, 3 (1%) surgical oncologists, and 15 (6%) other professionals. The logic model is displayed (Table). Conclusions: The CoP has had an impact on its members, ASCO, and beyond and continues to grow and sustain itself by recruiting broadly, driving projects forward, and making structural adjustments for long-term sustainability. Upcoming projects include providing more educational resources and measuring outcomes such as changes in members’ knowledge, skills, and attitudes. Membership diversity continues to be a challenge and a priority. [Table: see text]
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,132 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».