MétaCan
Menu
Retour à la cohorte
Enregistrement W2173110350 · doi:10.5539/ies.v8n12p13

Competency Management and Learning Organization in a New Clinical Fieldwork Course

2015· article· en· W2173110350 sur OpenAlexvenueno aff
Supawadee Putthinoi, Suchitporn Lersilp, Nopasit Chakpitak

Notice bibliographique

RevueInternational Education Studies · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesGraduate School, Chiang Mai UniversityChiang Mai University
Mots-clésLearning organizationMaturity (psychological)PsychologyAdaptation (eye)Class (philosophy)Process (computing)Medical educationService-learningKnowledge managementService (business)PedagogyBusinessMedicineComputer scienceMarketing

Résumé

récupéré en direct d'OpenAlex

<p class="apa">As Thailand transitions into an ageing society, greater demands will be placed on healthcare systems. The concept of competency management and learning organization can be beneficial in continually expanding organizational capacity in order to create response. This study aimed to develop a new clinical fieldwork course in the community by utilizing competency-based development and assessment within the learning organization concept. Learning outcomes such as specification of programs, courses and field experience were designed under the competency standards of the Thai Qualifications Framework (TQF) for Higher Education and the World Federation of Occupational Therapists (WFOT).The household environmental risk management course was developed to support elderly people living in the community. It aligns with the new requirements for clinical fieldwork, which are guided by research and development (teaching, research and service) concepts. Course must provide a proactive approach with the potential to extend the capacity for continual learning, innovation and adaptation. Thus, academics can utilize research findings to improve the process, continually developing the quality and maturity of the organization over time.</p>

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)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,637
Score d'incertitude au seuil0,756

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,006
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 Opus0,157
Tête enseignante GPT0,536
Écart entre enseignants0,378 · 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'étudeObservationnel
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetHigher Education Learning PracticesTravaux en français237 207