Impact of rating demands on rater-based assessments of clinical competence
Notice bibliographique
Résumé
PURPOSE: Many assessment practices used in primary care rely upon judgements provided by individuals observing trainees or colleagues. Despite there being many reasons to view these observations as cognitively complex, the extent to which fallibility in judgement reflects mental workload has not been examined experimentally. The objective of this study was to evaluate the impact of increasing rating demands on rater-based assessments of clinical competence. METHODS: Participants were randomly assigned to one of four conditions (in a 2×2 factorial design) and asked to rate three pre-recorded unscripted clinical encounters illustrating three levels of performance (high, medium, low). We looked at the effect on participants of having a larger (seven) or smaller (two) number of dimensions to rate, and/or distracting them with extraneous tasks (attending to patient status and the activity of additional individuals observable on video). Outcome measures included number of dimension-relevant behaviours identified, ability to differentiate between levels of performance, and inter-rater reliability. RESULTS: Using the two dimensions common to both groups, ANOVA revealed a significant effect of the number of dimensions included in the scale on the number of relevant behaviours identified: participants in the 2D group identified more features than those in the 7D group. Both groups were able to differentiate between levels of performance, but post hoc analyses revealed significance on all pairwise comparisons in the 2D group and not in the 7D group. Inter-rater reliability increased from 0.45 in the 7D group to 0.70 when participants were required to consider only two dimensions. By contrast, the distractions had little effect. CONCLUSIONS: The results of this study provide preliminary evidence that requiring raters to consider a greater number of dimensions can decrease (a) the number of dimension-relevant behaviours identified, (b) the capacity to differentiate between levels of performance, and (c) inter-rater reliability.
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 | 0,047 | 0,290 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».