Faculty Rating of Learning Objectives for an Undergraduate Medical Curriculum in Substance Abuse
Notice bibliographique
Résumé
The purpose of this study is to describe medical faculty's ratings of learning objectives related to substance abuse. A comprehensive set of learning objectives was drafted. The Associate Dean at each of Ontario's five medical schools was asked to select two faculty members from each clinical discipline who were involved in undergraduate medical education. The selected faculty were sent a survey asking them to rate 282 objectives according to their importance for undergraduate education in their discipline, using a 5-point scale. Sixty-eight out of 90 surveys were returned. For statistical analysis, disciplines were placed into two groups, Group 1 (internal medicine, surgery, emergency medicine, and anesthesia) and Group 2 (family medicine, psychiatry, and pediatrics). The mean ratings of Group 1 were significantly higher than Group 2 (p < 0.001) for five sets of objectives: attitudes, epidemiology, screening and assessment, nonmedical interventions, and specific populations (women, the elderly, and adolescents). Group 1 gave mean ratings above 4 to all themes except epidemiology, inpatient care, and medical complications. In contrast, Group 2 gave mean ratings above 4 to only three themes: physician substance abuse problems, withdrawal, and medical complications. The marked differences in learning objectives between disciplines suggest that a discipline-specific approach is needed for curricular development in substance abuse.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».