CanadiEM: Accessing a Virtual Community of Practice to Create a Canadian National Medical Education Institution
Notice bibliographique
Résumé
Background The rise of free open‐access medical education (FOAM) has led to a wide range of online resources in emergency medicine. Canadian physicians have been active contributors to FOAM. Objectives We aimed to create a virtual community of practice that would serve as a national platform for collaboration, learning, and knowledge dissemination. Methods CanadiEM was formed in 2016 from the merger of two Canadian websites and a podcast. Using a community‐of‐practice model, we introduced two training programs to support junior community members in becoming core editorial team members and employed asynchronous Web technologies to facilitate collaboration. We also introduced a coached peer review process and formed strategic alliances that aim to ensure a high quality of publication. Results CanadiEM has become a portal for readers to access a broad range of FOAM content. The website has published 782 articles. Of these, 71 have undergone a coached peer review process. The website has received over 2.5 million page views from 217 countries, and the associated CRACKCast podcast has been downloaded over 750,000 times. Conclusions CanadiEM has succeeded in building a national multi‐interface dissemination network that fosters collaboration and knowledge sharing in emergency medicine while fostering junior digital scholars. The construction of a community of practice has been facilitated by quality assurance, training programs, and the use of asynchronous Web technologies. Ongoing challenges in sustainability include a volunteer workforce with high turnover.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,007 |
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 ».