MétaCan
Menu
Retour à la cohorte
Enregistrement W2170654033 · doi:10.3109/0142159x.2010.500703

Competency-based medical education: implications for undergraduate programs

2010· article· en· W2170654033 sur OpenAlexaff
Peter Harris, Linda Snell, Martin Talbot, Ronald M. Harden

Notice bibliographique

RevueMedical Teacher · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensMcGill UniversityRoyal College of Physicians and Surgeons of Canada
Organismes subventionnairesnon disponible
Mots-clésAccreditationCurriculumContext (archaeology)Medical educationUndergraduate educationLifelong learningComputer scienceEngineering ethicsMedicinePsychologyPedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

Changes in educational thinking and in medical program accreditation provide an opportunity to reconsider approaches to undergraduate medical education. Current developments in competency-based medical education (CBME), in particular, present both possibilities and challenges for undergraduate programs. CBME does not specify particular learning strategies or formats, but rather provides a clear description of intended outcomes. This approach has the potential to yield authentic curricula for medical practice and to provide a seamless linkage between all stages of lifelong learning. At the same time, the implementation of CBME in undergraduate education poses challenges for curriculum design, student assessment practices, teacher preparation, and systemic institutional change, all of which have implications for student learning. Some of the challenges of CBME are similar to those that can arise in the implementation of any integrated program, while others are specific to the adoption of outcome frameworks as an organizing principle for curriculum design. This article reviews a number of issues raised by CBME in the context of undergraduate programs and provides examples of best practices that might help to address these issues.

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)0,021
score de la tête « metaresearch » (Gemma)0,057
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: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,057
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0050,005
Science ouverte0,0020,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,024
Tête enseignante GPT0,379
Écart entre enseignants0,355 · 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

Citations247
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical TeacherMême sujetInnovations in Medical EducationTravaux en français237 207