Beyond NAVMEC: Competency-Based Veterinary Education and Assessment of the Professional Competencies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The implementation of competency-based curricula within the health sciences has been an important paradigm shift over the past 30 years. As a result, one of the five strategic goals recommended by the North American Veterinary Medical Education Consortium (NAVMEC) report was to graduate career-ready veterinarians who are proficient in, and have the confidence to use, an agreed-upon set of core competencies. Of the nine competencies identified as essential for veterinary graduates, seven could be classified as professional or non-technical competencies: communication; collaboration; management (self, team, system); lifelong learning, scholarship, value of research; leadership; diversity and multicultural awareness; and adaptation to changing environments. Traditionally, the professional competencies have received less attention in veterinary curricula and their assessment is often sporadic or inconsistent. In contrast, the same or similar competencies are being increasingly recognized in other health professions as essential skills and abilities, and their assessment is being undertaken with enhanced scrutiny and critical appraisal. Several challenges have been associated with the assessment of professional competencies, including agreement as to their definition and therefore their evaluation, the fact that they are frequently complex and require multiple integrative assessments, and the ability and/or desire of faculty to teach and assess these competencies. To provide an improved context for assessment of the seven professional competencies identified in the NAVMEC report, this article describes a broad framework for their evaluation as well as specific examples of how these or similar competencies are currently being measured in medical and veterinary curricula.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 découle