Notice bibliographique
Résumé
Background: Portfolios are used in medical practice as a means of instilling “reflective learning” in doctors and accumulating evidence of the doctor’s competence. It is a mandatory requirement by the General Medical Council (GMC), as a form of public accountability, for licensed clinicians to maintain an e-portfolio of daily clinical practice, which is subjected to annual appraisals and ultimately influences their ability to renew their license to practise in the UK. This article reviews the reflective learning process for which the e-portfolio is intended to instil in doctors and the level of evidence required to demonstrate competency and continuing professional development.Methods: A literature review was conducted on Medline and Google Scholar for any available guidance on writing e-portfolio entries and guidelines from the GMC, Royal Colleges and various training boards were reviewed to determine the type of evidence required to be demonstrated.Results: Fifteen articles had met the inclusion criteria on guiding e-portfolio writing. Guidelines reviewed constantly echoed the theme of “reflecting doctors” and “linking evidence to curriculum outcomes”. This article has also proposed a “Do, Reflect, Plan, Act” framework in writing portfolio entries.Conclusions: Creating and maintaining an e-portfolio throughout a lifelong career is no mean feat. We have reviewed the key components that clinicians ought to demonstrate in their e-portfolios, and introduced the “Do, Reflect, Plan, Act” framework, to enhance understanding of the e-portfolio as a learning tool to improve medical practice.
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 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 | 0,004 | 0,006 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».