MétaCan
Menu
Retour à la cohorte
Enregistrement W2112123690 · doi:10.4212/cjhp.v65i5.1178

Implementation of a Near-Peer Teaching Model in Pharmacy Education: Experiences and Challenges

2012· article· en· W2112123690 sur OpenAlexaffvenueabout
Christine Leong, Marisa Battistella, Zubin Austin

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPreceptorPharmacyExperiential learningPharmacy practiceMedical educationExperiential educationWorkloadPeer learningHealth careMedicineNursingPsychologyPedagogyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

There is an increasing demand for high-quality experiential placements for pharmacy students. As a result, pharmacy schools across Canada are confronted with the need to find innovative ways to expand experiential educational rotations. Near-peer teaching is one model with the potential to address this issue. Near-peer teaching involves the provision of learning support to junior students by their senior peers. This teaching methodology, which is common in many medical education programs, is thought to allow pharmacy students a unique learning environment for integrating pharmacy knowledge into pharmacy practice. It gives the student access to an additional potential learning environment without unduly increasing the preceptor’s workload. Although peer teaching has been well established in many health care communities, this approach has not been widely adopted in pharmacy education. This paper describes the experiences and challenges of this teaching model in pharmacy education within a specialized hospital setting.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,492
Score d'incertitude au seuil0,911

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,051
Tête enseignante GPT0,403
Écart entre enseignants0,352 · 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'étudeQualitatif
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

Citations44
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetInnovations in Medical EducationTravaux en français237 207