A Set of Principles, Developed by Residents, to Guide Canadian Residency Education
Notice bibliographique
Résumé
With so much invested in the clinical competency of physicians, adequate and appropriate mechanisms are needed to ensure that educational systems provide the highest-quality training possible and are responsive both to the changing demands of the patient population and to changing technologies and research. After a literature review, the authors concluded that there are no established criteria or principles, from a learners' perspective, that set out goals for the delivery and evaluation in Canada of quality postgraduate medical education. The authors initiated the process of developing a set of principles of medical education based on residents' perspectives by compiling a list of issues and concepts that were felt to be important to creating the "ideal" postgraduate medical education system. This list of issues was divided into broad categories before presentation by the authors for Canada-wide discussion, reflection, and further refinement of concepts and issues across a nine-month period. The process eventually resulted in the final consensus-driven and iterative development of the main categories and the final principles that were adopted by the Canadian Association of Internes and Residents (CAIR). The authors present this set of principles and propose that they be used as a template to guide postgraduate medical education and against which changes to the system can be evaluated. CAIR will use these principles in a number of ways, including evaluation, education, and quality assurance.
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 | 0,039 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,012 | 0,016 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».