MétaCan
Menu
Retour à la cohorte
Enregistrement W6982169046

Health Information & Community Outreach

2005· article· en· W6982169046 sur OpenAlexaboutno aff

Notice bibliographique

RevueE-LIS Repository (University of Naples Federico II) · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutreachInformation literacyHealth literacyContext (archaeology)Health informationInformation needsPresentation (obstetrics)Public healthHRHISMedical library
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

While it is widely agreed that information literacy skills should be fostered in institutions of higher education, little is known about attempts to teach about information literacy outside of academia. Health information literacy, as defined by the Medical Library Association (http://www.mlanet.org/resources/healthlit/define.html) is “the set of abilities needed to: recognize a health information need; identify likely information sources and use them to retrieve relevant information; assess the quality of the information and its applicability to a specific situation; and analyze, understand, and the use information to make good health decisions.” Within the context of health information literacy, this presentation will focus on three different cases of community outreach: 1. Collaboration with researchers to train volunteers to deliver health information to oncology patients; 2. Collaboration with researchers to design an electronic repository of evidence-based stroke interventions and accompanying health information for the public; and 3. Collaboration with the University’s Mini-Med School to reach members of the community and to provide health information literacy support. \nThrough partnerships with researchers and staff from McGill University’s Faculty of Medicine (including the Schools of Nursing and Physical & Occupational Therapy), this librarian was able to reach three distinct groups in the community: patients diagnosed with cancer, stroke survivors and their families, and members of the general public interested in medicine and health. Strategies for outreach include: train-the-trainer workshops, assistance with critical appraisal of online health information, and selection and management of reliable and readable electronic health information resources. Issues important for consideration include administrative issues in partnering with faculty and staff, project management, literacy levels of community groups, and readability of health information.\nDuring this presentation, I will provide an introduction to the topic of health information literacy and its potential for community outreach. I will also describe the three separate projects, providing details of their planning, execution, reflections, and future directions. \nAcademic librarians play an important role in the transmission of information literacy theory and skills to students and faculty within the institution. Transferring this experience for the benefit of the wider community seems a logical progression and a worthwhile effort. By collaborating with faculty and staff to deliver health information literacy initiatives to the greater community, librarians have the opportunity to not only reach a broader group of users, but to foster partnerships with researchers in their own institution. The promotion of health information literacy through existing research and outreach programs is a potential source of increased visibility within and without the university.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,385

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,001
Communication savante0,0020,002
Science ouverte0,0020,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1150,011

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 GPT0,196
Écart entre enseignants0,162 · 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
GenreAutre

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE-LIS Repository (University of Naples Federico II)Même sujetDiverse Scientific and Economic StudiesTravaux en français237 207