Évaluation de l'enseignement InfoCritique sur la compétence érudition des étudiants en médecine
Bibliographic record
Abstract
Introduction : l’érudition est essentielle en médecine, impliquant l’acquisition, l’analyse critique et l’application des connaissances scientifique dans la pratique clinique. L’enseignement InfoCritique, développé à l’Université Laval et introduit à l’Université Côte d’Azur, vise à améliorer la capacité des étudiants à évaluer l’information scientifique. Objectif : évaluer l’impact pédagogique d’InfoCritique sur la compétence érudition des étudiants de troisième cycle de médecine générale, via l’analyse de leurs Récits de Situation Complexe Authentique (RSCA). Matériel et méthode : étude rétrospective comparative en double aveugle menée sur les étudiants du Diplôme d'études spécialisées (DES) de médecine générale, promotion 2020-21. Une grille d’hétéroévaluation a permis d’analyser les RSCA des étudiants ayant suivi ou non InfoCritique. Deux évaluateurs ont noté les travaux et une analyse statistique a comparé les performances des groupes. Résultats : sur 74 étudiants, 42 RSCA ont été analysés après anonymisation. L’analyse n’a pas pu montrer de différence statistiquement significative entre les groupes InfoCritique et Non-InfoCritique (p=0,265). Une forte corrélation a été observée entre évaluateurs (r=0,875, p<0,001) bien que l’un attribuait des scores plus élevés (+1,17 points en moyenne). Discussion : l’étude ne permet pas de conclure sur l’impact d’InfoCritique dans la compétence érudition des étudiants. Une tendance suggère de meilleures notes et une homogénéité accrue dans le groupe InfoCritique. Les limites incluent la petite taille de l’échantillon, l’absence de suivi longitudinal et la pertinence du RSCA comme outil d’évaluation. Des recherches multicentriques et qualitatives sont nécessaires pour approfondir ces résultats.
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 | 0.121 | 0.254 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".