TÜRKİYE’DE PATOLOGLAR ARASI SOSYAL MEDYA KULLANIMININ YAYGINLIĞI VE ÖNEMİ
Notice bibliographique
Résumé
Amaç: Globalleşen dünyayla birlikte tüm dünyadaki insanlarlailetişim kurmak kaçınılmaz bir hal almıştır (1). Günümüzde sosyal medya hesaplarımız sadece özel hayatlarımızı paylaştığımızplatformlar olmanın dışında profesyonel ilişkiler kurduğumuz,akademik gelişmeleri takip ettiğimiz, profesyonel anlamda kendimizi eğittiğimiz, akademik bilgi alışverişinde bulunduğumuzeğitim platformlarına dönüşmüştür (1, 2). Biz de patologlar arasında, patoloji açısından sosyal medya kullanımının yaygınlığını,etkinliğini ve önemini araştırmak amacıyla bir anket çalışmasıyapmayı planladık.Gereç ve Yöntem: Google Forms aracılığıyla anket oluşturup,sosyal medya üzerinden patologlara ulaştırdığımız anketimize,gönüllü olarak katılan kişiler dahil edildi.Bulgular: Anketimize şu ana kadar, bir aylık süreçte, 115 kişikatılmış bulunmaktadır. Yanıt verenlerin çoğunluğunu 5 yıldan fazla deneyimi olan (%54,2) uzman hekimler (%41,7) oluşturmaktadır. Anketimize katılan kişilerin %80’i sosyal medyayıpatoloji ile ilgili kullandığını belirtmiştir. Bu amaçla sosyal medyaplatformlarından en çok WhatsApp’ı (%43,5), en az LinkedIn’ı(%2.2) kullandıkları saptanmıştır. Ancak ankete katılan kişiler,sosyal medya platformlarından Twitter’ın (%35,9) patoloji pratiği açısından daha kullanışlı olduğunu belirtmiştir. Anketimizekatılan patologlar arasında sosyal medya platformları patolojiaçısından daha çok eğitici-öğretici (%79,3), bilimsel toplantıların takibi/duyurusu (%78,3) amacıyla kullanılmaktadır. En çok“ipuçları/püf noktaları” tarzındaki paylaşımlar (%39,1) dikkatçekerken, bunu vaka paylaşımları (%29,3) takip etmektedir. Sonuç: Patolog olarak sosyal medya aracılığıyla bilgi paylaşımının patoloji kariyerindeki öneminden literatürde bahsedilmiştir(3). İlk 2015 yılındaki United States and Canadian Academy ofPathology (USCAP) yıllık toplantısı, 24 gönüllü katılımcı tarafından Twitter üzerinden canlı olarak aktarılmış ve 5 milyondan fazla etkileşim almıştır (4). Ulusal ya da uluslararası patolojikuruluşları tarafından bu şekilde, sosyal medyadaki aktarımlargüncel gelişmeleri, kurs programlarını, literatürdeki değişiklikleri takip edebilmeyi kolaylaştıracaktır. Verilerimize göre Türkiye’de patologlar arasında da sosyal medyanın patoloji pratiğindekullanılması yönünde bir farkındalık mevcuttur. Sonuçlarımız;çeşitli kurumlardan anketimize katılan patologlar arasında, patoloji bağlamında en çok kullanılan sosyal medya platformununWhatsApp olduğunu ve sosyal medyanın Türkiye’deki patologlariçin eğitimden konsültasyona farklı kullanım alanları olduğunuortaya koymuştur.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,068 | 0,019 |
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 ».