7. Présentation d'un portfolio électronique pour la formation et l'évaluation des compétences CanMEDS en obstétrique-gynécologie
Notice bibliographique
Résumé
Bien que les objectifs d’apprentissage et fiches d’évaluation de stage tiennent compte des sept compétences CanMEDS, il est difficile d’intégrer celles ci dans l’apprentissage et l’évaluation. Le portfolio, lorsque utilisé dans une approche réflexive, favorise l’apprentissage des compétences. Le développement et l’utilisation du portfolio visent une meilleure intégration des rôles CanMEDS dans l’apprentissage et une évaluation authentique des compétences. Notre programme adopte le portfolio comme outil d’apprentissage et d’évaluation. Pour chaque compétence CanMEDS, le portfolio comprend 6 sections : 1) Critères spécifiques pour la compétence, 2) Description par le résident d’une bonne et d’une mauvaise performance, 3) Description d’un incident critique (un par année) ayant transformé sa formation, 4) Auto évaluation, 5) Rétroaction. A chaque trimestre, le résident rencontre son tuteur et présente son auto évaluation. Celle-ci est comparée à l’évaluation que les superviseurs font du résident, compilée et présentée au résident par son tuteur. Annuellement, le résident fournit la preuve de sa progression pour une compétence donnée. Pour ce faire, il complète son portfolio régulièrement en cours d’année pour documenter l’analyse de sa progression à l’aide d’exemples tirés de son portfolio. Après une année d’implantation, nous évaluerons l’impact sur la perception de l’intégration des compétences CanMEDS aux niveaux des apprentissages et des évaluations, et le degré de satisfaction des résidents et des tuteurs. Naccache N, Samson L, Jouquan J. Le portfolio en éducation des sciences de la santé: un outil d’apprentissage, de développement professionnel et d’évaluation. Pédagogie médicale, 2006; 7: 110-27. Tardif J. L’évaluation des compétences: documenter le parcours de développement, 2006 Kjaer NK, Maagaard R, Wied S. Using an online portfolio in postgraduate training. Medical Teacher, 2006; 8:708-712
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,196 | 0,102 |
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 ».