The Impact of Varying Levels of Implementation Fidelity on Resident Perceptions of an Assessment Innovation
Notice bibliographique
Résumé
Background/Objectives: Medical education researchers regularly develop excellent, evidence-based innovations. Often, these innovations are implemented, yet fail. In our program, we witnessed varying levels of success with an assessment innovation. In this study we explored the reasons for varying levels of success with an innovation that was solidly grounded in evidence and theory. Methods: A multiple methods design was used. Using a grounded theory approach, we conducted focus groups with family medicine residents. Thirty-two first-year and second-year residents across 5 different teaching sites responded to a set of semistructured questions. An “implementation fidelity” (the degree to which the innovation in action resembles the innovation in theory) inventory was also conducted, with data collected through quantitative analysis of use of the innovation at individual teaching sites. Results: Many residents who participated in our focus groups perceived substantial problems with the assessment innovation, which stem predominantly from (1) technical issues with the web-based portfolio and (2) varying levels of preceptor involvement. In some instances, where preceptors sounded highly involved, residents voiced satisfaction with the innovation. Value was seen for learning and for guided self-assessment in sites where implementation fidelity was highest. Sites where champions of the innovation could be identified showed highest implementation fidelity and highest degree of resident perception of learning benefits from the innovation. Frustration with technical clumsiness of the web-based interface was seen for all sites. Conclusions: The results demonstrate the need for active preceptor involvement in any medical education innovation in order for the innovation to be effective. Learner-driven innovations will falter when preceptors do not take an active role in effective practice of innovations. Implementation fidelity was a constant factor in the success of the innovation.
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 | 0,067 | 0,264 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| 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 ».