Sustainable partnerships for global nursing education: a Canadian and Brazilian collaboration
Bibliographic record
Abstract
IntroduçãoOs Objetivos de Desenvolvimento Sustentável das Nações Unidas concentram-se em não deixar ninguém para trás e argumentam que a cobertura universal de saúde não pode ser alcançada sem o fortalecimento da enfermagem mundial (1) .Para atingir esse objetivo, diante das crescentes complexidades da profissão de enfermagem, os objetivos apresentam vários desafios para o ensino e para a realização de pesquisas na área de enfermagem.As faculdades de Enfermagem reiteraram a necessidade de estabelecer parcerias internacionais para combinar recursos e conhecimentos em nível internacional com o intuito de abordar questões globais complexas e interconectadas sobre enfermagem e saúde.Este editorial refletirá a respeito de uma parceria sustentável voltada para o ensino global de enfermagem estabelecida entre uma universidade canadense e uma brasileira. A necessidade de estabelecer parceriasAs colaborações e parcerias globais sempre foram fundamentais ao desenvolvimento acadêmico.Elas aceleram o alcance, os índices e a importância da pesquisa global, facilitando na contribuição para um conjunto de conhecimentos e experiências, em nível global, de questões relacionadas à enfermagem
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 | 0.022 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.023 | 0.009 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.014 |
| Research integrity | 0.008 | 0.009 |
| Insufficient payload (model declined to judge) | 0.008 | 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".