Notice bibliographique
Résumé
Introduction: Transformative experiences have shown to be an impactful part of the development and learning of future healthcare professionals in the past. Many of these experiences have historically been obtained through service-related trips, such as Operation Smile, Medical Brigades, etc. While these trips are beneficial, they also present potential harms related to lacking community engagement, application of Western views in cultural contexts, and a lack of follow-up care in the communities after the students return to their country of origin. Methods: Students participating in the HSCI595 course which involves an experiential learning trip to Moshi, Tanzania completed mixed-methods pre-course survey, pre-trip survey, daily transformative experience journalling, and a post-trip survey. Once the pre- and post-trip data was obtained, the qualitative data was coded to determine major themes among pre-trip responses and post-trip responses separately. This qualitative and quantitative data was combined to summarize results and identify any changes in themes and correlational relationships between impactful transformative experiences and competency development. Results: By examining the specific transformative experiences that led to competency development in HSCI595, we hope to determine the factors and common themes of global health collaboration trips that led to competency development. Conclusion: The conclusion derived from this data will aid in the organization and optimization of future global health collaboration trips within the HSCI595 course, as well as providing a framework of beneficial factors for other trips as well. In the future, to compare the differences and similarities between both service-related and education-oriented trips, such as the one carried out in HSCI595, mixed-methods surveys will be used to examine competency development within focus groups from campus partners who host service-related trips, and the Queen’s student body in genera and compared to data from the HSCI 595 group.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».