MétaCan
Menu
← Retour à la cohorte
Enregistrement W2121898777

Family medicine curriculum: improving the quality of academic sessions.

2008· article· en· W2121898777 sur OpenAlexaffabout
Douglas J. Klein, Shirley Schipper

Notice bibliographique

RevuePubMed · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCurriculumJournal clubMedical educationConsistency (knowledge bases)Quality (philosophy)MedicineVariety (cybernetics)Computer sciencePsychologyPedagogyArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: PROBLEM ADDRESSED The Family Medicine Residency Program at the University of Alberta has used academic sessions and clinical-based teaching to prepare residents for private practice. Before the new curriculum, academic sessions were large group lectures given by specialists. These sessions lacked consistent quality, structured topics, and organization. OBJECTIVE OF PROGRAM: The program was designed to improve the quality and consistency of academic sessions by creating a new curriculum. The goals for the new curriculum included improved organizational structure, improved satisfaction from the participants, improved resident knowledge and confidence in key areas of family medicine, and improved performance on licensing examinations. PROGRAM DESCRIPTION: The new curriculum is faculty guided but resident organized. Twenty-three core topics in family medicine are covered during a 2-year rotating curriculum. Several small group activities, including problem-based learning modules, journal club, and examination preparation sessions, complement larger didactic sessions. A multiple-source evaluation process is an essential component of this new program. CONCLUSION: The new academic curriculum for family medicine residents is based on a variety of learning styles and is consistent with the principles of adult learning theory. This structured curriculum provides a good basis for further development. Other programs across the country might want to incorporate these ideas into their current programming.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,376
Écart entre enseignants0,284 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations12
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetInnovations in Medical Education→Travaux en français237 207→