A Team Observed Structured Clinical Encounter (TOSCE) for Pre-Licensure Learners in Maternity Care: A Short Report on the Development of an Assessment Tool for Collaboration
Notice bibliographique
Résumé
Background: Despite the support for Interprofessional Education (IPE) among policymakers, educators and professional regulating bodies, the research literature is limited with respect to the evaluation of effective assessment strategies. This short report outlines the development of a Team Observed Structured Clinical Encounter (TOSCE), which brings together learners from three health professions involved in primary care obstetrics-family physicians, midwives, and obstetricians-as a strategy for assessing collaborative competencies.Methods: An interprofessional research team was brought together to develop and implement the TOSCE. The process by which the team generated TOSCE scenario stations is outlined, including the consensus-building process, based on a modified Delphi technique, to include expert input from others in the field of practice.Findings: The scenarios developed by the research team for the TOSCE are highlighted including the assessment criteria, based on the Canadian InterprofessionalHealth Collaborative's National Competency Framework.Conclusions: The TOSCE is an emerging and innovative learning tool that encourages the development of essential collaborative competencies. The process of developing a TOSCE outlined in this report offers an affordable, streamlined approach that could be used by educators in many disciplines as a summative or formative assessment strategy.
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 | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».