Designing and Operationalizing a Toolkit of Bilingual Interprofessional Education Assessment Instruments
Notice bibliographique
Résumé
This article addresses one of the most important unresolved issues of interprofessional education (IPE): assessment. Here we describe our process and experiences designing and operationalizing a toolkit of qualitative and quantitative IPE assessment instruments for online and face-to-face education programs developed concurrently in both English and French. The toolkit includes a) the quantitative W(e)Learn program evaluation survey, which aligns with the W(e)Learn framework, b) the quantitative Interprofessional Collaborative Competencies Attainment Survey (ICCAS), to self-assess competency development in collaborative practice using a post-post design, and c) qualitative team and learner contracts, with explanatory exemplars, that serve as both learning and assessment tools. These instruments are currently undergoing validation in hopes of a) increasing the likelihood that IPE experiences are planned and delivered effectively and b) increasing the justification and accountability of IPE experiences and practical outcomes. Although this validation process will continue for some time, the development of the IPE assessment tools is worthy of particular attention in order to guide further work in this field. French and English copies of the toolkit assessments can be downloaded from http://ennovativesolution.com/WeLearn/IPE-Instruments.html. Although these instruments were designed with interprofessional healthcare teams in mind, we feel they could readily be transferable to a variety of interdisciplinary tasks and settings, such as social work and human services education.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».