MétaCan
Menu
Retour à la cohorte
Enregistrement W2220772454 · doi:10.4000/ripes.976

Quels critères utiliser pour questionner la qualité pédagogique des stages cliniques ?

2015· article· fr· W2220772454 sur OpenAlexaff
Viviane Vierset, Mariane Frenay, Denis Bédard

Notice bibliographique

RevueRevue internationale de pédagogie de l’enseignement supérieur · 2015
Typearticle
Languefr
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPsychology

Résumé

récupéré en direct d'OpenAlex

L’objectif de cet article est de proposer des pistes d’analyse de la qualité pédagogique des stages de formation clinique en médecine. Le cadre conceptuel d’apprentissage et d’enseignement contextualisé authentique (AECA) représente la principale ressource théorique (Bédard, Frenay, Turgeon & Paquay, 2000 ; Frenay & Bédard, 2004) de ce travail. Celui-ci est fondé sur deux principes pédagogiques fondamentaux intimement liés : l’authenticité du contexte d’apprentissage et le compagnonnage cognitif. Chaque principe présente des conditions destinées à améliorer la qualité d’enseignement et d’apprentissage d’un dispositif pédagogique comme peut l’être un parcours de stages cliniques.Une traduction des principes de l’AECA en critères d’analyse de la qualité pédagogique des stages est fondée sur le postulat que leur identification faciliterait la construction d’un diagnostic pédagogique du terrain clinique envisagé. Il servirait d’outil pour qui s’intéresse au questionnement de la qualité pédagogique des stages cliniques.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,219
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,083
Tête enseignante GPT0,393
Écart entre enseignants0,311 · 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.

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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue internationale de pédagogie de l’enseignement supérieurMême sujetInnovations in Medical EducationTravaux en français237 207