Examining the compatibility of the Calgary-Cambridge Guides with Turkish veterinary legislation and professional ethics
Bibliographic record
Abstract
Türkiye’de veteriner hekim-hasta sahibi iletişimine resmi olarak ilk kez 1981 yılında değinilmiş, bu tarihten itibaren çeşitli yasal düzenleme ve etik kodlarda iletişim becerilerine atıf yapılmıştır. Bu çalışma kapsamında, dünyada iletişim becerileri eğitiminde sıklıkla kullanılan 73 maddeden oluşan Calgary-Cambridge Kılavuzlarının (CCK) veteriner hekimliği mevzuatı ve meslek etiği kodları ile uyumunun değerlendirilmesi hedeflenmiştir. Ulaşılabilen tüm güncel mevzuat ve etik kodlar incelenmiş; bir yasa, iki yönetmelik ve iki etik kodun CCK ile sınırlı biçimde ilişkilendirilebilecek maddeler içerdiği tespit edilmiştir. Mevzuat ve etik kodlarda CCK’ye ters düşen veya aksini savunan herhangi bir maddeye rastlanmamıştır. Ancak, CCK’de olmasına rağmen yasal zemine dayandırılmayan birtakım rutin uygulamaların varlığı dikkat çekicidir. Bu bağlamda, pet hekimliği başta olmak üzere tüm klinik veteriner hekimliği uygulamalarında veteriner hekim-hasta sahibi iletişimini etkili sürdürebilmek için hastalık öyküsü alma, hasta sahibini bilgilendirme, onam alma gibi spesifik konuları içeren yasal düzenlemeler ve etik kodların oluşturulması gerekliliği ileri sürülebilir. Gerek fakültelerin lisans müfredatına, gerekse veteriner hekimlerin yaşam boyu öğrenme stratejisiyle meslek içi eğitim programlarına CCK’nin dahil edilmesiyle, kişilerin iletişim becerilerinin uluslararası standartların öngördüğü biçimde geliştirilebileceği düşünülmektedir.
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 | 0.101 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".