Assessing Physical Therapy Students' Performance during Clinical Practice
Notice bibliographique
Résumé
PURPOSE: To assess the feasibility and acceptability of using the Assessment of Physiotherapy Practice (APP) instrument to assess physiotherapy students' clinical competencies. METHODS: A convenience sample of clinical educators (CEs) and students from the University of British Columbia (UBC) in Vancouver, Canada, completed the instrument currently in use, the Physical Therapist Clinical Performance Instrument (PT-CPI), and the APP. A cross-sectional survey of CEs and physiotherapy students was conducted from 2011 to 2012; the survey included questions worded to elicit opinions about the two instruments when used in the clinical environment with students at different stages of training. Questions addressed various aspects of the instruments, including ease of use, provision of feedback, and completion time. RESULTS: Data were analyzed from 63 CEs from a variety of settings; sufficient data were recorded on 71 student PT-CPI and APP forms. A grading comparison between the PT-CPI and the APP demonstrated equivalence of entry-to-practice standard. Mean completion time was 80 (SD 53) minutes for the PT-CPI and 23 (13) minutes for the APP; mean time difference was 57 (95% CI, 39-75). Students would prefer (82%) that the APP be used to provide feedback and assess their performance on clinical placements. CONCLUSIONS: It is feasible and acceptable to use the APP to assess physiotherapy students' clinical competencies at the University of British Columbia.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».