Similarity detection between virtual patients and medical
curriculum using R

D 2018

Similarity detection between virtual patients and medical curriculum using R

KOMENDA, Martin, Jakub ŠČAVNICKÝ, Petra RŮŽIČKOVÁ, Matěj KAROLYI, Petr ŠTOURAČ et. al.

Základní údaje

Originální název

Similarity detection between virtual patients and medical curriculum using R

Autoři

KOMENDA, Martin (203 Česká republika, domácí), Jakub ŠČAVNICKÝ (703 Slovensko, domácí), Petra RŮŽIČKOVÁ (203 Česká republika, domácí), Matěj KAROLYI (203 Česká republika, domácí), Petr ŠTOURAČ (203 Česká republika, domácí) a Daniel SCHWARZ (203 Česká republika, domácí)

Vydání

Amsterdam, Studies in Health Technology and Informatics 255, od s. 222-226, 5 s. 2018

Nakladatel

IOS Press

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

20601 Medical engineering

Stát vydavatele

Nizozemské království

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

URL

Kód RIV

RIV/00216224:14110/18:00104412

Organizační jednotka

Lékařská fakulta

ISBN

978-1-61499-920-1

ISSN

DOI

http://dx.doi.org/10.3233/978-1-61499-921-8-222

UT WoS

000455957400043

Klíčová slova anglicky

OPTIMED; R programming language; akutne.cz; medical curriculum; text similarity; virtual patient

Štítky

rivok, SIMUweb

Změněno: 2. 5. 2019 14:21, Soňa Böhmová

Anotace

V originále

This paper presents the domain of information sciences, applied informatics and biomedical engineering, proposing to develop methods for an automated detection of similarities between two particular virtual learning environments - virtual patients at Akutne.cz and the OPTIMED curriculum management system - in order to provide support to clinically oriented stages of medical and healthcare studies. For this purpose, the authors used large amounts of text-based data collected by the system for mapping medical curricula and through the system for virtual patient authoring and delivery. The proposed text-mining algorithm for an automated detection of links between content entities of these systems has been successfully implemented by the means of a web-based toolbox.

Návaznosti

CZ.02.2.67/0.0/0.0/16_016/0002416, interní kód MU

Název: Strategické investice Masarykovy univerzity do vzdělávání SIMU+

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Strategické investice Masarykovy univerzity do vzdělávání SIMU+, PO 2 Rozvoj vysokých škol a lidských zdrojů pro výzkum a vývoj

CZ.02.2.69/0.0/0.0/16_015/0002418, interní kód MU

Název: Masarykova univerzita 4.0 (Akronym: MUNI 4.0)

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Masarykova univerzita 4.0, PO 2 Rozvoj vysokých škol a lidských zdrojů pro výzkum a vývoj

MUNI/A/1339/2016, interní kód MU

Název: MERGER: detekce vazeb mezi informačními systémy pro mapování kurikula a pro virtuální pacienty (Akronym: MERGER)

Investor: Masarykova univerzita, MERGER: detekce vazeb mezi informačními systémy pro mapování kurikula a pro virtuální pacienty, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty

Citovat

KOMENDA, Martin, Jakub ŠČAVNICKÝ, Petra RŮŽIČKOVÁ, Matěj KAROLYI, Petr ŠTOURAČ a Daniel SCHWARZ. Similarity detection between virtual patients and medical curriculum using R. In John Mantas, Zdenko Sonicki, Mihaela Crişan-Vida, Kristina Fišter, Maria Hägglund, Aikaterini Kolokathi, Mira Hercigonja-Szekeres. Studies in Health Technology and Informatics 255. Amsterdam: IOS Press, 2018, s. 222-226. ISBN 978-1-61499-920-1. Dostupné z: https://dx.doi.org/10.3233/978-1-61499-921-8-222.

@inproceedings{1465456,
   author = {Komenda, Martin and Ščavnický, Jakub and Růžičková, Petra and Karolyi, Matěj and Štourač, Petr and Schwarz, Daniel},
   address = {Amsterdam},
   booktitle = {Studies in Health Technology and Informatics 255},
   doi = {http://dx.doi.org/10.3233/978-1-61499-921-8-222},
   editor = {John Mantas, Zdenko Sonicki, Mihaela Crişan-Vida, Kristina Fišter, Maria Hägglund, Aikaterini Kolokathi, Mira Hercigonja-Szekeres},
   keywords = {OPTIMED; R programming language; akutne.cz; medical curriculum; text similarity; virtual patient},
   howpublished = {tištěná verze "print"},
   language = {eng},
   location = {Amsterdam},
   isbn = {978-1-61499-920-1},
   pages = {222-226},
   publisher = {IOS Press},
   title = {Similarity detection between virtual patients and medical curriculum using R},
   url = {http://ebooks.iospress.nl/volumearticle/50507},
   year = {2018}
}

TY  - JOUR
ID  - 1465456
AU  - Komenda, Martin - Ščavnický, Jakub - Růžičková, Petra - Karolyi, Matěj - Štourač, Petr - Schwarz, Daniel
PY  - 2018
TI  - Similarity detection between virtual patients and medical curriculum using R
PB  - IOS Press
CY  - Amsterdam
SN  - 9781614999201
KW  - OPTIMED
KW  - R programming language
KW  - akutne.cz
KW  - medical curriculum
KW  - text similarity
KW  - virtual patient
UR  - http://ebooks.iospress.nl/volumearticle/50507
L2  - http://ebooks.iospress.nl/volumearticle/50507
N2  - This paper presents the domain of information sciences, applied informatics and biomedical engineering, proposing to develop methods for an automated detection of similarities between two particular virtual learning environments - virtual patients at Akutne.cz and the OPTIMED curriculum management system - in order to provide support to clinically oriented stages of medical and healthcare studies. For this purpose, the authors used large amounts of text-based data collected by the system for mapping medical curricula and through the system for virtual patient authoring and delivery. The proposed text-mining algorithm for an automated detection of links between content entities of these systems has been successfully implemented by the means of a web-based toolbox.
ER  -

KOMENDA, Martin, Jakub ŠČAVNICKÝ, Petra RŮŽIČKOVÁ, Matěj KAROLYI, Petr ŠTOURAČ a Daniel SCHWARZ. Similarity detection between virtual patients and medical curriculum using R. In John Mantas, Zdenko Sonicki, Mihaela Cri\c san-Vida, Kristina Fišter, Maria Hägglund, Aikaterini Kolokathi, Mira Hercigonja-Szekeres. \textit{Studies in Health Technology and Informatics 255}. Amsterdam: IOS Press, 2018, s.~222-226. ISBN~978-1-61499-920-1. Dostupné z: https://dx.doi.org/10.3233/978-1-61499-921-8-222.

Podrobný výpis o publikaci