Real time curriculum map for internal medicine residency
Notice bibliographique
Résumé
BACKGROUND: To manage the voluminous formal curriculum content in a limited amount of structured teaching time, we describe the development and evaluation of a curriculum map for academic half days (AHD) in a core internal medicine residency program. METHODS: We created a 3-year cyclical curriculum map (an educational tool combining the content, methodology and timetabling of structured teaching), comprising a matrix of topics under various specialties/themes and corresponding AHD hours. All topics were cross-matched against the ACP-ASIM in-training examination, and all hours were colour coded based on the categories of core competencies. Residents regularly updated the map on a real time basis. RESULTS: There were 208 topics covered in 283 AHD hours. All topics represented core competencies with minimal duplication (78% covered once in 3 years). Only 42 hours (15%) involved non-didactic teaching, which increased after implementation of the map (18-19 hours/year versus baseline 5 hours/year). Most AHD hours (78%) focused on medical expert competencies. Resident satisfaction (90% response) was high throughout (range 3.64 +/- 0.21, 3.84 +/- 0.14 out of 4), which improved after 1 year but returned to baseline after 2 years. CONCLUSION: We developed and implemented an internal medicine curriculum map based on real time resident input, with minimal topic duplication and high resident satisfaction. The map provided an opportunity to balance didactic versus non-didactic teaching, and teaching on medical versus non medical expert topics.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».