Is anatomy dissection effective IPE? (18.2)
Notice bibliographique
Résumé
Interprofessional education (IPE) within health care programs has been shown to improve patient care and satisfaction, reduce clinical error rates, improve collaborative team behaviour, and diminish negative professional stereotypes. In recognizing this need for IPE as well as the universal commonality and interest in gross anatomy, an IP cadaveric dissection elective was instituted at McMaster University in 2008 and run annually. This 10 week, problem‐based learning gross anatomy elective was carried out by IP teams consisting of students in medical, midwifery, nursing, physician assistant, occupational therapy and physiotherapy programs. Of 100‐140 interested students, 28 are randomly selected and allocated into 4 IP groups consisting of 4‐6 health professions each. Pre‐experience and post‐experience surveys, consisting of the revised Interdisciplinary Education Perception Scale (IEPS) and revised Readiness for Interprofessional Learning Scale (RIPLS), were used to measure changes in attitudes and perceptions towards IPE and collaboration, while qualitative analysis of exit interview data were used to evaluate the entire event. Even though the students volunteered because of interest in an IP event, significant improvements were seen in the RIPL Subscale “Positive Professional Identity” and the IEP Subscale “Competency & Autonomy” and qualitative analysis indicated improvements in role clarity, anatomy knowledge, interpersonal facilitation and IP learning. Qualitative analysis of interview data supports the quantitative findings and highlighted key differences between short and long duration IPE experiences.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».