Notice bibliographique
Résumé
BACKGROUND: Curriculum development in the health sciences usually entails a lengthy, in-depth review of most or all aspects of the curriculum. The review usually leads to the generation of a detailed report that is submitted to the Dean or executive committee of the faculty. Much has been written about the process of curriculum development but very little has been written about the important processes of curriculum renewal and revision. AIMS: Health sciences curricula, including those that are newly developed, will benefit from timely periodic revision. The revision process with subsequent diligent curriculum monitoring is called curriculum renewal. In this article, we articulate twelve tips on how to assure dynamic, ongoing curriculum renewal. The overall goal of the renewal should be to assure timely, evidence-based curriculum responsiveness to changes in practice, health care, student needs and educational approaches based on quality research. METHODS: We searched the health care education literature for articles related to curriculum development, seeking credible evidence on, and recommendations for, best practices for ongoing renewal of developed curricula. RESULTS AND CONCLUSIONS: The health sciences literature is replete with recommendations to guide suggestions for curriculum development; however, there are few credible research-based guidelines to inform dynamic curriculum renewal. Given the rapid development of research-based knowledge in health sciences education practices, there is a need to diligently monitor the ongoing successes and failures of a developed curriculum with a view to instituting large or small timely changes to assure timely curriculum renewal.
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 | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,004 | 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 ».