Survey of Instructors Teaching about Antimicrobial Resistance in the Veterinary Professional Curriculum in the United States
Notice bibliographique
Résumé
The objective of this study was to ascertain current teaching methods for antimicrobial resistance (AMR) in veterinary professional curricula and to find out what veterinary instructors consider to be prioritized subtopics related to AMR. The sampling frame was instructors in veterinary professional programs at US colleges of veterinary medicine who provide instruction about antibiotics or AMR in the disciplines of microbiology, pharmacology, public health, epidemiology, internal medicine, surgery, or related subjects. Identified instructors were invited to participate in an online survey of current teaching methods related to subtopics of AMR. From 1,207 invitations, 306 completed surveys were available for analysis (25% response rate) with the largest number of respondents stating their contact hours about antibiotics occur in the discipline of "medicine-food animal." The median contact time suggested for AMR in the core veterinary curriculum was 3-5 hours, and for antibiotics in general, 16-20 hours. Subtopics of AMR were prioritized based on respondents' indication that they use or would use various teaching tools. The most common teaching tool for all topics was projected text (i.e., slides or PowerPoint slides) and the least common were video clips, non-course Web sites, online modules, and laboratory experiments. Recommendations for identifying the priorities of AMR content coverage and learning outcomes are made.
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 | 0,004 | 0,001 |
| 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 | 0,000 | 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 ».