Inovando no pensar e no agir científico: o método de Design Thinking para a enfermagem
Bibliographic record
Abstract
Resumo Objetivos Relatar experiências vivenciadas durante um estágio de Pós-Doutorado, o conhecimento adquirido sobre o método de Design Thinking e a socialização desse método em evento científico de Enfermagem. Método Trata-se do relato de experiência de um Pós-Doutorado realizado no Canadá e da aquisição de novos conhecimentos na área da pesquisa e do ensino. Resultados A oportunidade mais desafiadora foi a aproximação com o Design Thinking, pois esse conceito promoveu a consciência sobre a urgência de adotar um novo paradigma para pensar, colaborar, ensinar, desenhar, planejar, executar e avaliar as atividades de pesquisa. Após constantes reflexões sobre Design Thinking, houve a oportunidade de promover uma iniciativa-piloto de tradução de conhecimento do método e observar a excelente receptividade dos participantes no evento. Conclusão A experiência permitiu a aquisição de conhecimentos além da Enfermagem, estimulando o pensamento crítico e fortalecendo a destemida capacidade de pensar e inovar na produção de conhecimento. Implicações para a prática É inegável que o Design Thinking poderá revolucionar a educação, mediante sua inserção nos cursos da área da saúde, configurando uma ferramenta cognitiva que reconstrói a engenhosidade humana inspirada em valores humanísticos e empáticos, assegurando a qualidade de serviços e produtos, e respeitando o perfil do cliente.
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 | 0.036 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.016 |
| Scholarly communication | 0.014 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.003 | 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".