Piloting Interprofessional Education Interventions with Veterinary and Veterinary Nursing Students
Notice bibliographique
Résumé
Interprofessional education (IPE) has received little attention in veterinary education even though members of the veterinary and nursing professions work closely together. The present study investigates veterinary and veterinary nursing students' and practitioners' experiences with interprofessional issues and the potential benefits of IPE. Based on stakeholder consultations, two teaching interventions were modified or developed for use with veterinary and veterinary nursing students: Talking Walls, which aimed to increase individuals' understanding of each other's roles, and an Emergency-Case Role-Play Scenario, which aimed to improve teamwork. These interventions were piloted with volunteer veterinary and veterinary nursing students who were recruited through convenience sampling. A questionnaire (the Readiness for Interprofessional Learning Scale [RIPLS]) was modified for use in veterinary education and used to investigate changes in attitudes toward IPE over time (pre-intervention, immediately post-intervention, and four to five months afterward). The results showed an immediate and significant positive change in attitude after the intervention, highlighting the students' willingness to learn collaboratively, their ability to recognize the benefits of IPE, a decreased sense of professional isolation, and reduced hierarchical views. Although nearly half of the students felt concerned about learning with students from another profession before the intervention, the majority (97%) enjoyed learning together. However, the positive change in attitude was not evident four to five months after the intervention, though attitudes remained above pre-intervention levels. The results of the pilot study were encouraging and emphasize the relevance and importance of veterinary IPE as well as the need for further investigation to explore methods of sustaining a change in attitude over time.
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 | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».