Information literacy for the Postgraduate General Medicine Degree (D.E.S. MG) in Nantes in 2011: overview, training requirements, outlooks
Notice bibliographique
Résumé
Introduction : la maîtrise de l'information se situe au carrefour de compétences liées à la communication, à l'information et aux technologies. La médecine est particulièrement exposée aux enjeux d'une telle maîtrise, par sa démarche qualitative de pratique fondée sur des éléments probants (EBM). Dans cette thèse, je me suis intéressé aux internes en D.E.S. de médecine générale à Nantes, sous les différents angles de leur formation initiale, de leurs compétences informationnelles médicales et de leurs besoins de formation. Méthodes : un inventaire des formations initiales disponibles à Nantes a été dressé, accompagné d'exemples d'auto-formation en ligne, pour ce niveau universitaire. Deux enquêtes prospectives d'évaluation quantitative ont permis d'explorer les compétences informationnelles et besoins de formation des étudiants en 1ère et en 3e année de ce D.E.S. Les résultats obtenus ont été comparés avec le référentiel normatif de l'Université du Québec (PDCI). Résultats : si les formations disponibles à Nantes couvrent l'intégralité du référentiel choisi, les compétences des étudiants sont quant à elles largement lacunaires. Ceux-ci sont globalement mal renseignés sur l'offre de formation, en particulier locale ; leurs pratiques informationnelles médicales sont souvent rudimentaires, tant par les ressources et outils utilisés que par la qualité de leur exploitation. La prise de conscience de ces lacunes semble partielle, puisque les souhaits de formation négligent notamment les compétences critiques et la réalité de l'autonomie d'information du patient. Discussion : la confusion collective entre compétences technologiques et informationnelles retarde la mise en place d'une formation de qualité tenant compte de l'évolution des pratiques informationnelles des étudiants. Cette formation serait idéalement collaborative et mutualisée, suivant un référentiel adapté à ce D.E.S. de médecine générale.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».