Rendre une faculté de médecine socialement responsable. Guide AMEE n<sup>o</sup> 109
Bibliographic record
Abstract
Problématique : Les systèmes de santé à travers le monde doivent faire face à une série de défis tels qu’une demande croissante des citoyens, le vieillissement de la population, les nombreux risques pour la santé y compris ceux liés à la dégradation de l’environnement et le fait de ressources toujours limitées. On attend des principaux acteurs de santé, institutions académiques et facultés de médecine incluses, qu’ils développent une vision et un engagement commun pour édifier un secteur de la santé qui soit plus efficient et de meilleure qualité. C’est dans cette perspective que Boelen et Heck ont défini le concept de « responsabilité sociale des facultés de médecine », un concept qui encourage, non seulement à former des professionnels de santé très compétents dans leur domaine, mais possédant aussi les aptitudes nécessaires pour répondre efficacement à l’évolution du système de santé et démontrer l’effet positif de leurs actions sur la population. Exégèse : La responsabilité sociale invite l’institution académique à réorienter ses missions de formation, de recherche et de service et à démontrer explicitement l’impact qu’elle peut avoir sur la population qu’elle s’est engagée à servir, donc à contribuer à améliorer le système de santé, en particulier par un partenariat mutuellement bénéfique avec les autres acteurs institutionnels de santé. Le but de ce guide est d’explorer le concept de responsabilité sociale, de le définir plus précisément, notamment par des exemples, et de proposer des voies pour surmonter les obstacles à sa matérialisation. Bien qu’une référence spécifique soit faite aux facultés de médecine, le concept de responsabilité sociale s’applique également à la formation de toutes les professions de santé.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.064 | 0.017 |
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".