Collaboration, Competencies and the Classroom: A Public Health Approach
Notice bibliographique
Résumé
The University of Guelph Master of Public Health program is a professional degree program that seeks to prepare graduates to meet complex public health needs by developing their proficiency in the 36 public health core competencies. Provision of experiential learning opportunities, such as a semester-long practicum, is part of student development. In the Fall 2013 semester, a new opportunity was introduced in which small groups of students were paired with local public health professionals to complete a capstone business plan assignment that addressed a current public health issue. However, the impact of this external collaboration on the student learning experience was unknown. To address this, quantitative and qualitative information about students’ perceived proficiency in the core competencies and their learning experiences was collected using a pre/post survey and focus groups, respectively. A post-assignment survey was also administered to participating local public health professionals in which they assessed their group’s proficiency in the core competencies, and provided additional feedback. The results of this study showed that students had unique learning experiences with enhanced proficiency in different areas including policy and program planning, implementation and evaluation, assessment and analysis, and partnerships, collaboration and advocacy. Managing and communicating expectations was important throughout the learning experience. By using realistic community-based assignments, graduate public health programs can enrich students’ learning experiences by creating an environment for students to apply their classroom knowledge and gain practical knowledge and skills. Le programme de maîtrise en santé publique de l’Université de Guelph est un programme menant à l’obtention d’un grade professionnel qui prépare les diplômés à répondre aux besoins complexes en santé publique et leur permet d’acquérir 36 compétences principales en santé publique. Le développement des étudiants comprend des occasions d’apprentissage par l’expérience, telles que des stages d’une durée d’un semestre. Au cours du semestre d’automne 2013, une nouvelle occasion a été inaugurée, selon laquelle de petits groupes d’étudiants ont été jumelés avec des professionnels en santé publique de la localité afin de mettre au point un plan d’affaires cadre qui réponde à une question de santé publique qui se posait à ce moment-là. Toutefois, l’impact de cette collaboration externe sur l’apprentissage des étudiants restait inconnu. Pour répondre à cette question, des renseignements quantitatifs et qualitatifs sur la manière dont les étudiants ont perçu l’acquisition de leurs compétences dans les domaines principaux de compétences, ainsi que des détails sur leurs expériences d’apprentissage, ont été recueillis par le biais de sondages menés avant et après l’expérimentation ainsi que par des groupes cibles. Un sondage mené après l’expérimentation a également été mené auprès des professionnels en santé publique de la localité, dans lequel ceux-ci ont évalué les acquisitions de leur groupe dans les compétences principales, et ont fourni des commentaires supplémentaires. Les résultats de cette étude ont montré que les étudiants ont vécu des expériences d’apprentissage uniques qui ont amélioré leurs compétences dans divers domaines, y compris la planification de programmes et de politiques, la mise en oeuvre et l’évaluation, l’estimation et l’analyse, ainsi que les partenariats, la collaboration et le rôle de la promotion. La gestion et la communication des attentes ont été importantes tout au long de l’expérience d’apprentissage. Le fait d’utiliser des tâches réalistes basées dans la communauté permet aux programmes de santé publique de cycles supérieurs d’enrichir l’expérience d’apprentissage des étudiants car cela crée un environnement dans lequel les étudiants mettent en application des connaissances apprises en salle de classe et acquièrent des connaissances et des compétences pratiques.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,015 |
| Communication savante | 0,015 | 0,008 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 source (Gemma direct ou Codex distillé), 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 ».