Enseigner l’éthique en médecine familiale: Présentation d’un guide à l’intention des enseignants
Bibliographic record
Abstract
ans le cadre de son mandat, le Comité d'éthique du Collège des médecins de famille du Canada (CE-CMFC) a contribué à l'élaboration du cursus en éthique à l'intention des résidents en médecine familiale et il produit des ressources pédagogiques sur l'éthique depuis 1990.Plus récemment, le comité a entrepris un examen des ressources disponibles antérieurement et a formulé de nouveaux objectifs pour le programme d'enseignement de l'éthique en médecine familiale.L'élaboration de L'éthique en médecine familiale: Guide à l'intention du personnel enseignant 1 a été motivée par des préoccupations urgentes soulevées par des médecins de famille.Avec l'aide d'examinateurs experts et de représentants des programmes de résidence en médecine familiale de toutes les régions du Canada, le CE-CMFC a établi des objectifs pour le cursus en éthique.Il a aussi été incité à élaborer d'autres ressources pédagogiques.Les objectifs ont été rédigés sous forme de compétences en éthique que le Conseil de la Section des enseignants du CMFC a par la suite approuvés.Au début de 2012, le CE-CMFC a amorcé des travaux sur un ensemble d'outils pour aider les programmes d'enseignement à évaluer et à mesurer les compétences en éthique.Ces travaux se poursuivent et seront publiés en ligne.Cet article présente L'éthique en médecine familiale : Guide à l'intention du personnel enseignant, un précieux outil pour enseigner cette matière en médecine familiale.
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 | 0.026 | 0.038 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.014 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.006 | 0.009 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".