MétaCan
Menu
Retour à la cohorte
Enregistrement W4404840383 · doi:10.32920/27926493.v1

Six Principles for Developing Leadership Training Ecosystems in Health Care

2024· preprint· en· W4404840383 sur OpenAlexaff
Teresa M. Chan, Richard C. Winters, Ruth Chen, Sarrah Lal

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Learning and Leadership
Établissements canadiensHamilton General Hospital
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Health carePsychologyKnowledge managementBusinessPolitical scienceComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

<p>Leadership education in medicine is evolving to better meet the challenges of health care complexity, interprofessional practice, and threats from viruses and budget cuts alike. In this commentary, the authors build upon the findings of a scoping review by Matsas and colleagues, published in the same issue, and ask us to imagine what a learning ecosystem around leadership might look like. They subsequently engage in their own synthesis of leadership development literature and propose 6 key principles for medical educators and health care leaders to consider when designing leadership development within their educational ecosystems: (1) apply a conceptual framework; (2) scaffold development-oriented approaches; (3) accommodate individual levels of adult development; (4) integrate diversity of perspective; (5) interweave theory, practice, and reflection; and (6) recognize the broad range of leadership conceptualization.</p> <p><br></p> <p><br></p>

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,801
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,218
Tête enseignante GPT0,303
Écart entre enseignants0,085 · 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'étudeSans objet
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 sujetOrganizational Learning and LeadershipTravaux en français237 207