Self-assessment and continuing professional development: The Canadian perspective
Notice bibliographique
Résumé
INTRODUCTION: Several recent studies highlight that physicians are not very accurate at assessing their competence in clinical domains when compared to objective measures of knowledge and performance. Instead of continuing to try to train physicians to be more accurate self-assessors, the research suggests that physicians will benefit from learning programs that encourage them to reflect on their clinical practice, continuously seek answers to clinical problems they face, compare their knowledge and skills to clinical practice guidelines and benchmarks, and seek feedback from peers and their health care team. METHODS: This article describes the self-assessment learning activities of the College of Family Physicians of Canada Maintenance of Proficiency program (Mainpro) and the Royal College of Physicians and Surgeons of Canada Maintenance of Certification program. (MOC) RESULTS: The MOC and the Mainpro programs incorporate several self-evaluation learning processes and tools that encourage physicians to assess their professional knowledge and clinical performance against objective measures as well as guided self-audit learning activities that encourage physicians to gather information about their practices and reflect on it individually, with peers and their health care team. Physicians are also rewarded with extra credits when they participate in either of these kinds of learning activities. DISCUSSION: In the future, practice-based learning that incorporates self-assessment learning activities will play an increasingly important role as regulators mandate that all physicians participate in continuing professional development activities. Research in this area should be directed to understanding more about reflection in practice and how we can enable physicians to be more mindful.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».