ECHO HIP: Phase 1: A needs assessment for continuing professional education for health information professionals
Notice bibliographique
Résumé
Project Extension for Community Healthcare Outcomes (Project ECHO) is an innovative clinical education and tele-mentoring model that aims to democratize knowledge and build capacity in the healthcare workforce. ECHO uses a hub-and-spoke model to connect rural and underserved areas (spokes) to learn from each other and from inter-professional specialists (hub). Primarily focused on health care provider education, the ECHO model has not yet been applied to health librarianship. ECHO has the potential to be leveraged by health information professionals (HIP) to share best practices, develop specialty expertise and create a virtual community of practice. Each ECHO session is comprised of a didactic presentation, and case-based learning. To better understand the needs of HIPs and develop a curriculum, a needs assessment survey was developed and conducted. The survey focused on the need for a telehealth based model of continuing education (CE) for HIPs across Canada, and what topic areas should be considered. Based on preliminary data (n=46) 61% of respondents would likely attend ECHO sessions for HIPs, with an additional 35% uncertain. Preferred frequency of sessions is monthly. Didactic topics of greatest interest were literature searching, emerging technologies and evidence-based librarianship. All respondents, so far, have been from medium or large urban centres. There is definite interest in pursuing CE for HIPs based on the ECHO model. One limitation of the survey is the lack of respondents from small/rural communities, which may be addressed once data collection is complete. Future steps include determining funding models and infrastructure, and exploring multilingual options.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».