Leveraging the strengths of a global network to adapt and sustain interprofessional education and collaborative practice during the COVID-19 pandemic
Notice bibliographique
Résumé
The COVID-19 pandemic impacted interprofessional education and collaborative practice (IPECP), and global educators collaborated to mitigate the impact. This report reflects the innovations of the global network InterprofessionalResearch.Global (IPR.Global), exploring adaptations and emerging practices in IPECP, and formation of the COVID-19 Taskforce. In response to widespread change and crisis in the pandemic, the Taskforce mobilized global collaboration by forming working groups which led to IPECP innovations through IPR.Global reports, publications, and knowledge forums. Tuckman's theory of group formation is used to explore interprofessional group structures and to understand how network members adapted and collaborated effectively through stages of group development. By leveraging the strengths of IPR.Global, an established global network, adaptations could be made to sustain IPECP in the pandemic, sharing and exploring experiences of emerging best practice through collaborations, group working and knowledge mobilization. Whilst the pandemic impacted IPECP across the world, global networks and teams were key to developing, advancing, and sustaining interprofessional innovations. Through exploring the lessons learned, future collaborations can consider how to promote knowledge mobilization, and sustainability within the global community of practice and advance IPECP by considering team formation theory.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».