MétaCan
Menu
Retour à la cohorte
Enregistrement W2139051018 · doi:10.1136/bmj.328.7446.999

The need for needs assessment in continuing medical education

2004· article· en· W2139051018 sur OpenAlexaff
Geoffrey R. Norman, Susan Shannon, Michael Marrin

Notice bibliographique

RevueBMJ · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)AutonomyMedical educationPsychologyGraduation (instrument)Self-assessmentPedagogyEngineering ethicsMedicinePolitical scienceSocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Maintenance of professional competence is a critical component of professionalism. However, traditional methods, which rely on individual self assessment, are inadequate. Conversely, legislated recertification programmes are difficult to individualise and can be perceived as draconian. What is required are better methods of standardised individual needs assessment. We suggest some possible strategies. Like all professions medicine is granted professional autonomy by society under the assumption that its practitioners will be deemed competent on entry into practice and will maintain competence for as long as they practise. Traditionally it is the responsibility of the individual practitioner to do whatever is necessary to remain competent. In the past maintaining one's competence was not problematic because relevant knowledge accreted slowly. Today, however, without a programme of active learning no doctor can hope to remain competent for more than a few years after graduation. One response to this challenge has been for education programmes, particularly problem based ones such as our own, to focus on the development of self assessment skills and self directed learning skills in order to equip graduates to maintain competence. The evidence, however, while not abundant, shows that this was a quixotic quest. The evidence that graduates from problem based learning are better at “keeping up” is weak.1 2 Moreover, many studies have shown that self assessment is far more difficult than we thought.3 Finally, self assessment does not emerge on graduation as a consequence of the demands of changing practice. Sibley et al observed that practitioners tend to pursue education around topics they are already good at while avoiding areas in which they are deficient and where there may be room for improvement.4 The evidence shows therefore that self monitoring programmes such as the maintenance of competence (MOCOMP) programme,5 which leave practitioners to their own devices, …

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)0,004
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,698
Score d'incertitude au seuil0,469

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
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 Opus0,015
Tête enseignante GPT0,410
Écart entre enseignants0,395 · 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'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

Citations208
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetInnovations in Medical EducationTravaux en français237 207