Shoestring Budgets, Band-Aids, and Team Work: Challenges and Motivators in the Development of a Web-Based Resource for Undergraduate Clinical Skills Teaching
Notice bibliographique
Résumé
BACKGROUND: Learning how to conduct a medical interview and perform a physical examination is fundamental to the practice of medicine; however, when this project began, the methods used to teach these skills to medical students at the University of Toronto (U of T) had not changed significantly since the early 1990s despite increasing outpatient care, shorter hospital stays, and heavy preceptor workloads. In response, a Web-based clinical skills resource was developed for the first-year undergraduate medical course-The Art and Science of Clinical Medicine I (ASCM I). OBJECTIVES: This paper examines our experiences with the development of the ASCM I website and details the challenges and motivators inherent in the production of a Web-based, multimedia medical education tool at a large Canadian medical school. METHODS: Interviews and a focus group were conducted with the development team to discover the factors that positively and negatively affected the development process. RESULTS: Motivating factors included team attributes such as strong leadership and judicious use of medical students and faculty volunteers as developers. Other motivators included a growing lack of instructional equivalency across diverse clinical teaching sites and financial and resource support by the Faculty of Medicine. Barriers to development included an administrative environment that did not yet fully incorporate information technology into its teaching vision and framework, a lack of academic incentive for faculty participation, and inadequate technical support, space, and equipment. CONCLUSIONS: The success of electronic educational resources such as the ASCM I website has caused a significant cultural shift within the Faculty of Medicine, resulting in the provision of more space, resources, and support for IT endeavours in the undergraduate medical curriculum.
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 | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».