Programas Educacionais Inovadores em Escolas Médicas: Capacitação Docente
Bibliographic record
Abstract
Resumo: A pesquisa em Capacitação Docente e Educação Médica visa formar profissionais de saúde com novas atitudes, habilidades, conhecimentos e competências, que realmente contribuirão para ampliar a equidade, a qualidade, a eficiência e a relevância no processo global de atenção à saúde. O Brasil ingressou no movimento inovador de educação em saúde: a capacitação docente é necessária para favorecer a evolução em educação, não havendo mais justificativas aceitáveis que a impeçam, nem para persistir numa educação baseada unicamente na repetição de fórmulas comprovadamente ultrapassadas. A capacitação de tutores, orientadores, consultores, preceptores e de outros docente comprometidos com os novos modelos educacionais deve reconhecer que aprender é mais importante que ensinar, e que os estudantes devem ser ativos e guiados por problemas de saúde reais e prioritários. A atenção às competências profissionais esperadas e necessárias permitirá que os futuros profissionais obtenham conhecimentos e habilidades para abordar problemas de saúde e participar das soluções dos mesmos. Numa educação de vanguarda em saúde é necessário incluir a prevenção de doenças, o estabelecimento de prioridades, o desenvolvimento de habilidades para o trabalho interdisciplinar e a responsabilidade no estabelecimento de um melhor sistema de saúde, onde todos possam ser incluídos. Iniciativas impetuosas voltadas para a promoção de mudanças educacionais baseadas em simples cópia de modelos educacionais importados são imprudentes e perigosas. Os autores discutem alguns aspectos gerais da capacitação docente voltada para o desenvolvimento da educação em saúde no contexto da América Latina.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.025 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".