MétaCan
Menu
← Retour à la cohorte
Enregistrement W6913006877 · doi:10.5683/sp3/phqavd

Empowering chiropractic students: the CHIRO-Force peer-assisted learning programs for manual therapy education

2025· dataset· en· W6913006877 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésChiropracticSession (web analytics)Program evaluationTraining manualPilot programQualitative analysis

Résumé

récupéré en direct d'OpenAlex

This dataset presents information related to the evaluation of the pilot year of the CHIRO-Force peer mentoring program, aimed at learning manual therapies using detection technology at the Université du Québec à Trois-Rivières. Two mentors (final-year students in the chiropractic program) were recruited in Spring 2025. The program was launched in September 2023 with fifth-year students and then expanded to include first-year students in December 2023. The dataset includes: (1) information about students who participated in at least one mentoring session and agreed to take part in the program evaluation; (2) post-session evaluations that mentees were invited to complete; (3) the end-of-pilot-year program evaluation that mentees were invited to complete. The data collected are both qualitative and quantitative in nature. Ce jeu de données présente les informations liées à l’évaluation de l’année pilote du programme de mentorat par les pairs CHIRO-Force, destiné à l’apprentissage des thérapies manuelles avec technologie de détection à l’Université du Québec à Trois-Rivières. Deux mentors (étudiants en dernière année du programme de chiropratique) ont été recrutés au printemps 2025. Le programme a été lancé en septembre 2023 avec les étudiants de cinquième année, puis élargi aux étudiants de première année en décembre 2023. Le jeu de données comprend : (1) les informations concernant les étudiants ayant participé à au moins une séance de mentorat et ayant accepté de prendre part à l’évaluation du programme ; (2) les évaluations post-séance que les mentorés étaient invités à remplir ; (3) l’évaluation de fin d’année pilote du programme que les mentorés étaient invités à compléter. Les données recueillies sont de nature qualitative et quantitative.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,640

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,012

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,392
Écart entre enseignants0,358 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→