MétaCan
Menu
Retour à la cohorte
Enregistrement W2110147379 · doi:10.1155/2014/219512

Correlation between Global Rating Scale and Specific Checklist Scores for Professional Behaviour of Physical Therapy Students in Practical Examinations

2014· article· en· W2110147379 sur OpenAlexafffund
Kaitlin Turner, Maegan Bell, Lindsay Bays, Carmen Lau, Clara Lai, Tetyana Kendzerska, Cathy Evans, Robyn Davies

Notice bibliographique

RevueEducation Research International · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésChecklistRating scaleCorrelationSignificant differenceScale (ratio)PsychologyClinical psychologyMedicineDevelopmental psychologyInternal medicineMathematicsCartography

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to determine whether or not the specific item checklist (checklist) and global rating scale (GRS) scores are correlated in practical skills examinations (PSEs). Professional behaviour was evaluated using both the checklist and GRS scores for 183 students in three PSEs. Mean, standard deviation, and correlation for checklist and GRS scores were calculated for each station, within each PSE. Pass rate for checklist and GRS was determined for each PSE, as well as for each individual checklist item within each PSE. Overall, pass rate was high for both checklist and GRS evaluations of professional behaviour in all PSEs. Generally, mean scores for the checklist and GRS were high, with low standard deviations, resulting in low data variability. Spearman correlation between total checklist and GRS scores was statistically significant for two out of five stations in PSE 1, five out of six stations in PSE 2, and three out of four stations in PSE 3. The GRS is comparable to the checklist for evaluation of professional behaviour in physical therapy (PT) students. The correlation between the checklist and GRS appears to become stronger in the assessment of more advanced students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,398

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,537
Écart entre enseignants0,452 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducation Research InternationalMême sujetInnovations in Medical EducationTravaux en français237 207