Academic librarian support for patient-centred and inclusive medical education curricula: a case report
Notice bibliographique
Résumé
Background: Medical educators are increasingly aware of the need for patient-centred and inclusive curricula. Collaboration paired with sound evidence can facilitate efforts in this area. Librarians are well-equipped to help move this work forward, as their skills and expertise can support educators through the process of revising learning materials that will incorporate timely and socially accountable information. Case Presentation: This case report describes an initiative at one Canadian medical school, whereby a health sciences librarian joined an interdisciplinary working group to support the updating of case-based learning materials for the undergraduate medical curriculum. These materials were revised with an anti-oppressive and patient-centred lens, and as an embedded member of the working group the librarian provided on-demand literature searches, participated in conversations regarding the importance of critical appraisal skills, and consulted on sustainable access to electronic materials used in the cases. From this experience and close collaboration, lessons which enhanced their practice and stronger relationships emerged for the librarian. Conclusions: Involving librarians' expertise in updating learning materials provides many benefits to curriculum developers and presents opportunities for liaison librarians to engage with their faculties more closely. Promoting patient-centredness and inclusivity is an ongoing process, and academic health sciences librarians can apply their expertise to curricular initiatives such as the one described here, while librarians working in clinical settings can support these efforts through specialized forms of teaching and outreach.
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 | 0,003 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».