Mieux réussir un examen de la portée en sciences de la santé : une boîte à outils
Bibliographic record
Abstract
Le projet vise à mettre à disposition de la communauté francophone de l’enseignement supérieur (p.ex., étudiant·e·s, professeur·e·s) une Ressource Éducative Libre (REL) favorisant la réalisation d’un examen de la portée de qualité en sciences de la santé. Élaboré à partir des notes de cours et de séminaires utilisées par la professeure Shalini Lal, le contenu a été adapté aux besoins des étudiant·e·s et aux normes REL en utilisant une approche participative impliquant des professeur·e·s, des étudiant·e·s ainsi que des bibliothécaires de l’Université de Montréal. La ressource est sous forme de boîte à outils, et contient des vidéos expérientielles, des capsules d'enseignement et des ressources d’aides à la rédaction, tous centrés sur les étapes essentielles de la réalisation d'un examen de la portée. La boîte à outils est présentée sous forme de livre en ligne, et est organisée en chapitre ce qui facilite la navigation, permettant aux utilisateurs de suivre l'ordre de présentation ou de choisir des sections spécifiques.
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 | 0.032 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.017 | 0.012 |
| Open science | 0.003 | 0.013 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.018 | 0.006 |
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".