From Innovation to Intrapreneurship: Fostering academic success via the GridlockED project and innovation fund
Notice bibliographique
Résumé
<p>Background: Funding for educational innovations is increasingly scarce in academic medicine. While there is some funding for medical education research, this is often for discovery or application work, and there are few avenues for those with a heavy innovation focus to fund early work.</p> <p>Objective of the innovation: The objective was to develop an intrapreneurial unit focused on medical education projects and scholarship.</p> <p>Development process and implementation: The GridlockED and TriagED games are educational or serious games that seek to teach health care learners about emergency medicine processes. Both games were cocreated with learners and brought to market in the past 3 years. All of the proceeds from the sales of these games have been accrued over time to create a new innovation fund. This fund seeks to support trainees and early career educators in their medical education projects.</p> <p>Outcomes: Sales for GridlockED began in March 2018 and the TriagED began in November 2019. In the first year, sales for GridlockED yielded a total of $9,534. After 18 months of sales, the fund has accrued a total of $14,530. The fund has helped finance the development of new games. Additionally, the fund awarded two internal $500 Kickstarter grants to assist with evaluating and improving two local education projects. The GridlockED and TriagED games have also spurred multiple academic opportunities for junior educators interested in this domain: five workshops, eight conference abstracts, two peer-reviewed papers, and two research protocols are being developed.</p> <p>Conclusions: The GridlockED and TriagED games represent a new academically oriented, intrapreneurial approach to medical education work.</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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| 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 ».