MétaCan
Menu
Retour à la cohorte
Enregistrement W2045235179 · doi:10.3390/pharmacy1020218

A Blended Active Learning Pilot: A Way to Deliver Interprofessional Pain Management Education

2013· article· en· W2045235179 sur OpenAlexaff
Victoria Wood, Lynda Eccott, Lesley Bainbridge

Notice bibliographique

RevuePharmacy · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésInterprofessional educationCurriculumPharmacyMedical educationContext (archaeology)Health careMedicinePsychologyNursingPedagogy

Résumé

récupéré en direct d'OpenAlex

This article presents an innovative approach to interprofessional education that places learning in the context of a specific clinical area that is relevant to pharmacy students as well as students from a number of other health professions; in this case pain management. Interprofessional pain education that teaches a team approach to pharmacy students is essential for improving pain management practices. The interprofessional education model presented, based on a pilot of a series of interprofessional pain management modules, is designed to be flexible, using a modular format that incorporates both online and face-to-face learning. The model was developed as a means of overcoming some of the challenges, such as scheduling, which make the integration of interprofessional education into curricula difficult. This technology enabled education model has been piloted and implemented with groups of pharmacy students who were placed into teams with students from other disciplines such as medicine, nursing, and social work. This article presents the educational strategy and its development; describes the interprofessional pain management modules; discusses findings from three pilot evaluations of the modules; shares lessons learned; and highlights the strengths of the approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,010

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,455
Écart entre enseignants0,417 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacyMême sujetInterprofessional Education and CollaborationTravaux en français237 207