MétaCan
Menu
Retour à la cohorte
Enregistrement W7146773775

Global Health Symposium : Bridging Different Worlds and Learning Strategy Related to Global Health

2019· article· en· W7146773775 sur OpenAlexaboutno aff
Kayoko Sekijima

Notice bibliographique

RevueInstitutional Repositories DataBase (IRDB) · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlobal healthBridging (networking)Global strategyGlobal LeadershipGlobal educationGlobal challenges
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The aim of this paper is to introduce pioneering learning methods in global health and discuss strategies for learning about global health. This report is based on my experience as an observer attendee at the 7th Global Health Symposium Bridging Different Worlds in India from April 17th to 29th, 2017. The symposium was held at Manipal University in Karnataka's Udupi district in India. Three universities participated: McMaster University, Ontario, Canada, Maastricht University, Limburg, Netherlands, and Manipal University. Almost two hundred fifty interdisciplinary students attended. The symposium conference featured five lectures on the first weekend in which students learned mainly through group work. The role of faculty in the symposium was to provide instructions before starting the program by presenting essential minimum information and suggestions only to promote learning among the students subjectively. Student volunteers assumed leadership roles for each group and for the overall symposium. At this symposium, students learned the importance of communicating with others in fieldwork at the actual site, which is the basis of active research and enhancement in global health fields. Strategies for enhancing global health learning were discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,320
Écart entre enseignants0,308 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstitutional Repositories DataBase (IRDB)Même sujetGlobal Health and SurgeryTravaux en français237 207