Team-based assessment of medical students in a clinical clerkship is feasible and acceptable
Notice bibliographique
Résumé
BACKGROUND: This study describes the development, implementation and evaluation of a team-based, multi-source method of assessment in which students on a clinical clerkship were provided with feedback on their performance as observed by physicians, residents, nurses, peers, patients and administrators. METHODS: The instrument was developed by reviewing existing assessment items and by obtaining input from assessors and students. Numerical data and written comments provided to students were collected, internal consistency was estimated and interviews and focus groups were used to determine acceptability to assessors and students. RESULTS: A total of 1068 assessors completed 3501 forms for 127 students. Internal consistency estimates for each assessment form were acceptable (Cronbach's alpha 0.856-0.948). Each student received an average of 188 words of written feedback divided into an average of 26 'Areas of Excellence' and 5 'Areas for Improvement'. Interviews revealed that the majority of students and assessors interviewed found the method acceptable. CONCLUSIONS: This study demonstrates that a team-based model of assessment based on the principles of multi-source feedback is a feasible and acceptable form of assessment for medical students learning in a clinical clerkship, and has some advantages over traditional preceptor-based assessment. Further studies will focus on the strengths and weaknesses of this novel assessment technique.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 tête enseignante, 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 ».