Academic Primer Series: Five Key Papers about Team Collaboration Relevant to Emergency Medicine
Notice bibliographique
Résumé
Introduction: Team collaboration is an essential for success both within academics and the clinical environment. Often, team collaboration is not explicitly taught during medical school or even residency, and must be learned during one's early career. In this article, we aim to summarize five key papers about team collaboration for early career clinician educators. Methods: We conducted a consensus-building process among the writing team to generate a list of key papers that describe the importance or significance of team collaboration, seeking input from social media sources. The authors then used a three-round voting methodology akin to a Delphi study to determine the most important papers from the initially generated list. Results: The five most important papers on the topic of team collaboration, as determined by this mixed group of junior faculty members and faculty developers, are presented in this paper. For each included publication, a summary was provided along with its relevance to junior faculty members and faculty developers. Conclusion: Five key papers about team collaboration are presented in this publication. These papers provide a foundational background to help junior faculty members with collaborating in teams both clinically and academically. This list may also inform senior faculty and faculty developers about the needs of junior faculty members.
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 | 0,049 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 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 ».