Notice bibliographique
Résumé
Education programs for medical physicists can be limited by local teaching resources and available technologies. Furthermore, modern imaging and therapy technologies continue to evolve at a rapid rate and require continuous learning support for their safe and effective implementation in the clinic. Mentorship provides an important resource in support of filling the educational gaps and the knowledge updates required for the development of new techniques and the implementation of new technologies. A structured mentorship process can be a useful resource at any point during a medical physicist’s career, although the specific purpose of the mentorship will likely vary depending on when in one’s career this occurs. This review provides a description of the various stages of a structured mentorship program along with some guidance on how to implement a sustainable and successful mentorship activity. Seven mentorship stages are described including ‘defining the purpose of the mentorship’, ‘finding mentor / mentee partners’, ‘setting the scene’, ‘engagement’, ‘evaluation’, ‘redefinition’, and ‘separation’. Some etiquette guidelines are proposed including some suggested dos and don’ts. In some regions, there may be a dearth of nearby appropriately experienced mentors. Mentoring virtually using internet technologies may provide a good alternative. The results of an on-line global survey related to virtual mentoring are summarized. In conclusion, structured mentorships may provide a very useful resource for medical physicists at any stage of their careers. Understanding how best to navigate such mentorship programs will maximize their benefits.
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 | 0,024 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 ».