医学教育分野における議論への参加：専門の医学教育コーパスの導入

科学分野:

• 医学教育
• 書誌情報学
• 情報科学

背景:

• 医学教育研究者は、広範な生物医学データベースと限られた検索機能のために、関連文献へのアクセスに課題を抱えています。
• PubMedのMedical Subject Headings（MeSH）などの既存の検索方法は、適切な記事のかなりの割合を見逃しており、学術的な議論を妨げています。

研究 の 目的:

• 医学教育研究者の文献発見を容易にするために、最初の専用医学教育コーパス（MEC）を開発すること。
• 医学教育記事を正確に特定および抽出するための専門的な機械学習分類器を作成すること。

主な方法:

• 3段階のプロセスが採用されました：医学教育ジャーナル（MEJ）のコア・ペリフェラルモデルの定義、機械学習分類器（MEC分類器）の開発とラベル付けされた記事でのトレーニング、および選択されたジャーナルからの記事抽出への分類器の適用。
• MEC分類器は、手動でラベル付けされた4,032件の記事でトレーニングされ、医学教育コンテンツを特定する能力について評価されました。

主要な成果:

• 医学教育コーパス（MEC）が設立され、2024年12月時点で、主要および隣接する医学教育ジャーナルの119,137件の記事が含まれています。
• MEC分類器は、医学教育記事を特定する上でMeSH（66%）と比較して優れた感度（90%）を示し、同等の陽性予測値（82%対81%）を示しました。

結論:

• MECは、医学教育研究者が効率的に文献にアクセスし、分野全体の分析に従事することを可能にする、焦点を絞った包括的なリソースを提供します。
• 基盤となる方法論は、MedEdMentor Paper Databaseなどの補完的なツールをサポートし、医学教育コミュニティへのアクセスを向上させます。